甲状腺意外结节增强CT的纹理特征分析对良恶性鉴别的价值研究

吴宇强，靳激扬，冯银波

(1.东南大学 医学院，江苏 南京　210009; 2.东南大学附属中大医院 医学影像科，江苏 南京　210009；

3.南京医科大学附属无锡人民医院 影像科，江苏 无锡　214023)



甲状腺意外结节增强CT的纹理特征分析对良恶性鉴别的价值研究

吴宇强1，靳激扬2，冯银波3

(1.东南大学 医学院，江苏 南京210009; 2.东南大学附属中大医院 医学影像科，江苏 南京210009；

3.南京医科大学附属无锡人民医院 影像科，江苏 无锡214023)

[摘要]目的：探讨基于灰度共生矩阵(GLCM)的纹理特征值测量技术在甲状腺良恶性结节鉴别中的价值。方法：回顾性分析经病理证实的具有甲状腺意外结节患者(46例，结节共61个)的增强CT资料，其中甲状腺良性结节23个，甲状腺恶性结节38个。使用Image J软件剪影病灶同一层面的平扫图像与动脉期图像后，测量结节内部的纹理特征值(对比度、熵和FD值)。结果：甲状腺恶性结节的熵为5.170±0.404，FD值为1.374±0.093，均高于甲状腺良性结节(熵为4.194±1.625，FD值为1.210±0.169)，且组间差异有统计学意义(P<0.01)。而对比度在良恶性结节间测量差异无统计学意义(P>0.05)。经ROC曲线分析，判断FD最佳临界点为1.300，此时诊断的灵敏度为78.9%，特异度为65.2%；Entropy最佳临界点为5.000，其诊断的灵敏度为65.8%，特异度为60.9%。结论：甲状腺结节内部CT增强前后剪影图像的纹理特征值(熵和FD值)可以为定性诊断提供相对可靠的特征参数。

[关键词]甲状腺意外结节; 增强CT; 纹理分析

甲状腺结节是指甲状腺细胞在局部异常生长所引起的散在病变。体检未能触及而在影像学检查偶然发现的结节为“甲状腺意外结节”。甲状腺意外结节早期无明显临床症状，判断结节性质的非侵入性的常规检查手段包括超声多普勒、CT等[1]。其中，CT主要通过观察结节的形态、边缘、密度、钙化情况、周围组织侵犯及淋巴结转移等征象来鉴别良恶性。目前，甲状腺意外结节的影像诊断及鉴别诊断研究不断深入。随着计算机辅助诊断系统的研发，基于灰度共生矩阵(GLCM)的纹理特征值(对比度、熵和FD值)测量在肿瘤影像学中逐步开始应用[2- 3]。本研究旨在探讨此技术在甲状腺良恶性结节鉴别中的价值。

1资料与方法

1.1一般资料

回顾性分析丹阳市人民医院及无锡市人民医院2012年6月至2015年5月期间手术切除且病理证实为甲状腺乳头状癌(T1、T2期)、结节性甲状腺肿和增生甲状腺组织的患者46例，均有完整的临床资料及术前CT检查。入组资料符合：(1) 患者偶然发现甲状腺结节；(2) 结节为单发或多发，术后组织学标本最大直径均≤4.0 cm；(3) 病理示结节内无钙化及坏死；(4) 排除亚急性甲状腺炎。

1.2检查方法

采用西门子双源CT机，患者取仰卧位，颈部过伸，扫描范围自舌骨水平至胸廓入口。所有患者均行CT平扫及双期增强检查。扫描螺距1.00，层厚3.00 mm，层距3.00 mm。高压注射器经肘部静脉团注碘氟醇 (300 mg·ml-1)80 ml，注射流率2～3 ml·s-1，双期延迟时间分别为25、50 s。

1.3图像处理及分析

使用Image J软件将甲状腺结节同一层面的平扫图像与动脉期图像剪影后(图1)进行图像分析，获得结节内分形维数(FD)值、熵及对比度。

图1甲状腺CT图像处理

1.3.1FD值测量流程(1) 导入剪影后图像并根据结节的大小标化图像；(2) ROI取33pixel×33pixel位于结节中心区域，边缘避开正常甲状腺组织；(3) ROI以外区域剪除；(4) 二值化(binary)，算法为Ij- Isodata；(5) 骨化(skeletonize)；(6) 分形盒计数(fractal box count， 32pixel×32pixel)。

1.3.2熵及对比度测量流程(1) 导入剪影后图像；(2) 选取结节横断面径线最大层面，根据结节的实际大小，ROI取9pixel×9pixel至16pixel×16pixel，尽可能位于结节内部区域；(3) glcm texture工具箱选择测量熵及对比度参数。

1.4统计学处理

2结果

2.1甲状腺结节诊断及一般资料描述

46例患者中男23例，女23例，年龄21~67岁，平均(43.5±12.5)岁，共检出甲状腺结节61个。良性结节23个，包括结节性甲状腺肿、结节性甲状腺肿伴腺瘤、增生甲状腺组织；恶性结节38个，为甲状腺乳头状癌。其中，同时存在良恶性结节的患者10例。

2.2甲状腺结节CT纹理特征参数

甲状腺恶性结节的熵为5.170±0.404，FD值为1.374±0.093；甲状腺良性结节的熵值为4.194±1.625，FD值为1.210±0.169；甲状腺恶性结节的熵和FD值于大于良性节结，差异有统计学意义(P<0.01)。而对比度在良恶性结节间差异无统计学意义(P>0.05)。见表1。

表1甲状腺良、恶性结节CT纹理特征参数的比较

CT纹理特征病理类型n平均数标准差95%CI下限上限最小值最大值对比度良性结节2357.00336.96641.01872.9891.969144.580恶性结节3871.64635.88259.85283.44015.704177.516熵良性结节234.1941.6253.4914.8970.3426.422恶性结节385.170a0.4045.0375.3034.5006.087FD值良性结节231.2100.1691.1371.2830.7961.447恶性结节381.374b0.0931.3441.4051.2111.596

与良性结节比较，at=-3.542，P=0.001；bt=-4.933，P=0.000

2.3ROC曲线分析

利用SPSS软件中ROC曲线法选取最佳灵敏度及特异度时的临界值，FD界值为1.300时，灵敏度为78.9%，诊断的特异度为65.2%；熵界值为5.000时，诊断的灵敏度为65.8%，特异度为60.9%(图2，表2、3)。

图2对比度、熵和FD值的ROC曲线分析

表2FD值、熵及对比度的ROC曲线分析

参数曲线下面积标准误P值95%CI下限上限FD值0.7880.0630.0000.6650.912熵0.6530.0840.0460.4890.817对比度0.6060.0760.1660.4580.755

表3FD值及熵阈值设定

参数界值病理类型/例良性结节恶性结节灵敏度/%特异度/%FD值<1.300830>1.30015878.965.2熵<5.000925>5.000141365.860.9

3讨论

本研究目的是评估基于GLCM的纹理特征值(对比度、熵和FD值)在甲状腺意外结节(结节性甲状腺肿与甲状腺癌T1/T2期)良恶性诊断鉴别中是否有价值。我们发现，熵和FD值在良恶性节结间的差异明显，而对比度的差异不明显。这表明，我们可以通过CT增强图像的纹理特征值中的熵和FD值对甲状腺结节定性诊断。纹理是图像分割和分类的常用概念，每一种物体都有自己的独有的纹理。有研究表明，在现有CT空间及密度分辨率下，CT图像纹理分析可以评估肿瘤内部的病理性质。例如，有转移灶的肝脏CT图像的熵值等会发生变化[4]。肺结节的CT图像纹理分析(平均灰度值、熵及均匀度)对于良恶性鉴别有一定的价值[5- 7]。本研究测量结节CT图像内部熵值，是对瘤体内增强后动脉期造影剂分布改变的客观度量。分形数维是描述结节内部复杂度、粗糙度及不规则度等的CT图像纹理特征，已经广泛应用于影像诊断中[8- 9]。熵值和FD值越大，结节内部灰度分布的程度越复杂，内部越粗糙，异质性越差，结节越趋向于恶性。而对比度是反映局部图像的清晰度，即纹理清晰程度的指标。本实验中，良恶性结节的对比度相同，即反映出同一流程获得的纹理清晰程度相同。对比度能否作为鉴别甲状腺结节良恶性的参数有待进一步研究。

基于GLCM的图像纹理分析是建立在不同病变病理基础上的[2，7]。正常甲状腺含碘高，天然对比度良好，各种甲状腺病变可造成相应部位的密度改变。造影剂注入后，正常甲状腺有着丰富的血运而明显强化，结节的病理不同导致其CT 强化方式也不同。甲状腺结节增强后碘含量的增加由细胞摄碘和血供两方面引起。恶性结节摄碘较良性结节低，有学者认为是因为甲状腺癌细胞增殖速度快，乳头尖端易发生梗死并分泌某些物质如黏多糖、糖蛋白[10]，所以在CT上显示低密度。也有学者认为恶性结节内新生血管密度较良性高，呈高速血流，但这种血管组织又会被癌结节恶性生长所破坏，使得强化幅度偏低[11]。有些较小结节的强化方式，我们难以用肉眼描述、分类及定性[12]。通过同一解剖层面的动脉期及平扫图像剪影，可以客观地反映出结节异常强化，并通过GLCM纹理特征值描述来定量描述CT增强图像中相应的变化。恶性结节引起甲状腺局部微环境改变，导致局部不均质性增加及由于血流变化造成造影剂灌注改变。

本研究的熵及FD值获取流程简单易行。采用增强与平扫数字剪影的方法可以减少伪影及噪声的干扰，更真实显示结节的范围。文献报道在其他肿瘤(肝转移灶、肺癌等)研究的流程中使用滤波技术对CT图像进行纹理测量前标化处理[13]。我们认为滤波对于近体表肿瘤的有效信息损失较大，故没有使用。本研究对CT图像中结节有一定要求，如果结节钙化、囊变及出血会影响结果的准确性，故有一定局限性，但对于肉眼难以辨别的良恶性肿瘤内部的异质性可通过灰阶度量不同而数字化获得，从而更加精确。熵值获取须基于一定大小灰度矩阵(最小为9pixels×9pixels)。对于FD值，我们将结节灶通过像素换算，标化至32pixels×32pixels后进行，使测量具有统一性和标准化。本研究最主要的局限性是使用CT单层图像进行测量，下一步我们使用甲状腺三维图像进行研究，以获取容积纹理信息，为良恶性结节的判断提供更多的信息。

[参考文献]

[1] 赵炎斌，刘方舟，张园，等.超声弹性成像及CT检查对术前甲状腺肿物性质判断的相关性研究[J].东南大学学报：医学版，2014，3(3)：296- 299．

[2] TIXIER F，HATT M，le REST C C，et al.Reproducibility of tumor uptake heterogeneity characterization through textural feature analysis in 18F- FDG PET[J].J Nucl Med， 2012， 53(5)：693- 700．

[3] OLIVERIRA M S D，BETTING L E，MORY S B，et al.Texture analysis of magnetic resonance images of patients with juvenile myoclonic epilepsy[J].E&B， 2013，27(1):22- 28．

[4] RAO S X，LAMBREGTS D M，SCHNERR R S，et al.Whole- liver CT texture analysis in colorectal cancer:does the presence of liver metastases affect the texture of the remaining liver？ [J].UEG，2014，2(6):530- 538．

[5] GANESHAN B，ABALEKEA S，YOUNG R，et al.Texture analysis of non- small cell lung cancer on unenhanced computed tomography:initial evidence for a relationship with tumour glucose metabolism and stage[J].Cancer Imaging，2010(10):137- 143．

[6] 汪家旺，于立燕，王德杭，等.肺癌分形维数特征的研究[J].中国医学物理学杂志，2005，22(1)：393- 395．

[7] GROVEL O，BERGLUND A E，SCHAB M B.Quantitative computed tomographic descriptors associate tumor shape complexity and intra tumor heterogeneity with prognosis in lung adenocarcinoma[J].Pone，2015，10(3):e0118261．

[8] RANGAYYAN R M，NGUYEN T M.Fractal analysis of contours of breast masses in mammograms[J].J Digit Imaging， 2007，20(3):223- 237．

[9] 邵元智，刘立志，王风华，等.不同生长方式肿瘤的CT/MRI影像观察及数据分析方法[J].中华医学杂志，2008，88(21):1503- 1506．

[10] 张博，苏俊平，白杨，等.甲状腺结节合并微钙化与甲状腺癌关系及其危险因素分析[J].现代医学，2015，43(2)：214- 217．

[11] 李恒国，卢绍辉，梁久平，等.甲状腺结节的CT灌注评价[J].中华放射学杂志，2011，45(9)：831- 834．

[12] GANESHAN B，MILES K A，YOUNG R.Texture analysis in non- contrast enhanced CT:impact of malignancy on texture in apparently disease- free areas of the liver[J].Eur J Radiol，2009，70:101- 110．

[13] BROOKS F J， GRIGSBY P W.The effect of small tumor volumes on studies of intratumoral heterogeneity of tracer uptake[J].J Nucl Med，2014，55(1):37- 42．

Analysis of incidental thyroid nodules in differentiating benign and malignant using texture feature calculated from enhanced CT images

WU Yu- qiang1，JIN Ji- yang2，FENG Yin- bo3

(1.MedicalSchoolofSoutheastUniversity，Nanjing210009，China; 2.DepartmentofMedicalImaging，ZhongdaHospital，SoutheastUniversity，Nanjing210009，China; 3.DepartmentofMedicalImaging，WuxiFirstPeople’sHospital，Wuxi214023，China)

[Abstract]Objective: To investigate the value of CT texture analysis based on gray level co- occurrence matrix(GLCM) for differentiating malignant from benign thyroid nodule. Methods: The retrospective study was based on 46 cases of the incidental thyroid nodule (61 lesions) which were collected from June 2012 to May 2015.The final diagnosis was confirmed by surgery and pathology. 23 lesions were benign nodule， and 38 lesions were malignant nodule. We analyzed the CT images using Image J software as follow:firstly，pre- processing of CT images(subtraction of arterial phase and non- enhanced phase in the same slice of lesion);then， measured the value of texture parameters(entropy， contrast and FD) based on fractal theory and GLCM texture plugin. Results: Mean entropy and FD for the malignant nodules were significantly higher when compared with the benign nodules. But， mean contrast was not significantly different between malignant and benign nodules. Utilized receiver operator characteristic curve(ROC curve) in SPSS to select critical value of optimum sensitivity and specificity. When critical value of FD was 1.300，sensitivity was 78.9%，specificity was 65.2%; critical value of entropy was 5.000，sensitivity was 65.8%，specificity was 60.9%. Conclusion: Texture analysis of CT images of incidental thyroid nodule holds promise to differentiate between malignant and benign lesions.

[Key words]incidental thyroid nodule; enhanced computed tomography; texture analysis

doi:10.3969/j.issn.1671- 6264.2016.01．026

[中图分类号]R736.1; R445.3

[文献标识码]A

[文章编号]1671- 6264(2016)01- 0112- 05

[通信作者]靳激扬E- mail:jy_jin@126.com

[作者简介]吴宇强(1981-)，男，江苏丹阳人，主治医师，在读硕士研究生。E- mail:737430760@qq.com

[收稿日期]2015- 08- 18[修回日期] 2015- 12- 06

[引文格式] 吴宇强，靳激扬，冯银波.甲状腺意外结节增强CT的纹理特征分析对良恶性鉴别的价值研究[J].东南大学学报:医学版，2016，35(1)：112- 116.

·论著·