基于因子分析的高级别脑胶质瘤MR灌注定量分析

张 冀，王 鹰，李 涛

(1.武汉大学中南医院医学影像科，湖北 武汉 430071；2.中国人民解放军武汉总医院放射科，3.医学工程科，湖北 武汉 430070)

基于因子分析的高级别脑胶质瘤MR灌注定量分析

张 冀1，王 鹰2*，李 涛3

(1.武汉大学中南医院医学影像科，湖北 武汉 430071；2.中国人民解放军武汉总医院放射科，3.医学工程科，湖北 武汉 430070)

目的 采用动态结构因子分析法(FADS)对5例高级别脑胶质瘤MR灌注图像进行定量分析，以准确提取脑胶质瘤MR灌注图像ROI的时间-信号曲线(TISCs)。方法 采用替代-近似算法对FADS模型求解，并分析从胶质瘤和正常组织区域提取的时间-信号曲线(TISCs)和因子图的特点。分别计算和比较胶质瘤与正常组织及病例间TISCs的相关系数。结果 采用FADS法从胶质瘤和正常组织中均提取到1条波峰向上的曲线(即升峰曲线)和2条波峰向下的曲线(分别为降峰曲线a和b)。胶质瘤与正常组织升峰曲线的相关系数平均值为0.75±0.10，明显低于胶质瘤患者间升峰曲线相关系数平均值0.84±0.05(P<0.05)。胶质瘤降峰曲线a与正常组织降峰曲线相关系数最大均值和胶质瘤降峰曲线b与正常组织降峰曲线相关系数最大均值差异有统计学意义(P<0.05)。胶质瘤患者因子图中瘤周区域主要对应升峰曲线，而胶质瘤区域主要对应两条降峰曲线。结论 采用FADS能自动提取到胶质瘤的TISCs，初步证明利用曲线的生理参数进行胶质瘤分级诊断具有可行性。

胶质瘤；脑；磁共振成像；因子分析；高级别

胶质瘤是成人最常见的原发性中枢神经系统肿瘤[1]，占所有原发性中枢神经系统肿瘤的32%[2]。WHO将胶质瘤分为Ⅰ～Ⅳ级，其中Ⅰ～Ⅱ级为低级别，Ⅲ～Ⅳ级为高级别[2]。高级别脑胶质瘤占中枢神经系统恶性肿瘤的81%[2]，预后差，治疗手段有限，术前正确判断胶质瘤病理分级，对制订治疗方案至关重要。灌注加权成像(perfusion-weighted imaging, PWI)能够获取丰富的组织血供及血流灌注信息。医师通常在脑胶质瘤MRI灌注序列图像的肿瘤和周围组织区域手工设置ROI，并提取ROI的时间-信号强度曲线(time-signal intensity curves, TSICs)，获取MR灌注参数，如相对血容量(relative cerebral blood volume, rCBV)和血流量(cerebral blood flow， CBF)[3]等，从而辅助诊断高级别胶质瘤[4]。然而，脑肿瘤的组织成分并不单一，肿瘤内有出血或坏死，瘤周可伴水肿[5]或不同比例的肿瘤细胞浸润[6]。人工选取ROI的主观性较强，获得的肿瘤不同组织成分的MR灌注参数差异较大，从而影响诊断。动态结构因子分析(factor analysis of dynamic structures, FADS)法可自动提取灌注图像中的特征性TSICs[7-8]，可克服人工选取ROI的主观性。目前该方法最多适用于3个因子结构的分析[9]。本研究拟采用FADS分析5例高级别脑胶质瘤患者的MR灌注图像，并与所提取的3个因子的TSICs进行比较，探讨该方法鉴别诊断脑胶质瘤的价值。

1 资料与方法

1.1 一般资料 收集2006年9月—2013年3月在中国人民解放军武汉总医院接受首诊并经手术病理证实为高级别胶质瘤患者5例，按收集资料时间先后顺序编号为1～5。其中男3例，女2例，年龄40～79岁，中位年龄59岁。所有患者均于术前接受颅脑DCE-MRI，本研究由中国人民解放军武汉总医院伦理委员会批准，患者均知情同意。

1.2 仪器与方法 采用GE Signa HDx及HDe 1.5T MR扫描仪，8通道头颅相控阵线圈。PWI采用GRE-EPI序列，扫描参数：TE 40 ms，TR 2 000 ms，翻转角90°，FOV 240 mm×240 mm，层厚6 mm，层间距2 mm，激励次数1。增强扫描采用对比剂Gd-DTPA，注射总量0.2 mmol/kg体质量，以高压注射器经肘静脉团注，速率3 ml/s。

1.3 图像分析 采用FADS法对灌注区域的图像进行分析。假设灌注图像序列有N张图像，则可组成一个N×M的二维矩阵X。其中，N个时间点为列，M个像素为行。每个像素的信号强度随时间变化曲线为该像素的TSICs[8]。xi(t) (t=1,2, …N)是像素i在时间t的信号强度。FADS模型如下[8-9]：

X=FA+ε

(1)

(2)

公式(1)中，矩阵F由q条因子曲线组成，而A为一个q×M的因子系数矩阵。ε是误差矩阵，残差太小可以被忽略。公式(2)中,fk是第k条因子曲线，ak表示为第k张因子图。

采用Zhang等[9]提出的替代-近似算法对FADS模型求解，并计算脑胶质瘤灌注序列图像中ROI内3个主要组分的生理曲线及其对应的因子图。

1.4 分析区域选择 选择胶质瘤及部分瘤周区域进行因子分析，遮盖其余区域。通常在患者病灶对侧正常组织设定ROI进行参照组因子分析。如胶质瘤过大，挤压对侧脑组织，可能影响其对侧正常组织的血流循环，应尽量选择受肿瘤挤压影响较小的患者。患者1的胶质瘤最小，其对侧脑半球形态完整，故本研究选取该患者对侧正常脑组织的因子曲线为参照，并由有经验的放射科医师设定ROI，尽量避开大血管和脑室结构。每例胶质瘤ROI分析重复2次。

1.5 曲线定量评价 分别计算所有患者胶质瘤的曲线与患者1正常组织曲线的相关系数，及患者1胶质瘤曲线与其他患者胶质瘤曲线的相关系数。

2 结果

2.1因子分析 采用FADS法对患者胶质瘤和正常组织区域进行分析，均提取到1条波峰向上的曲线(即升峰曲线)和2条波峰向下的曲线(分别为降峰曲线a和b)；同时还提取到相对应的因子图。患者1胶质瘤曲线和对应因子图见图1。图1B中大部分胶质瘤的瘤周区域对应升峰曲线(图1A)，图1D和1F中大部分胶质瘤区域对应降峰曲线a和b(图1C、1E)，且这两条曲线相似。其余患者中胶质瘤的提取曲线和因子图对应关系与患者1基本相似，但患者2中，与升峰曲线对应的瘤体组织成分较多。

图1 患者1胶质瘤区域的因子曲线和因子图 A.胶质瘤升峰曲线； B.胶质瘤升峰曲线的因子图； C.胶质瘤降峰曲线a； D.胶质瘤降峰曲线a的因子图； E.胶质瘤降峰曲线b； F.胶质瘤降峰曲线b 的因子图； G.PWI图像

2.2 因子曲线定量分析 患者中2条降峰曲线较相似，计算相关系数均值时取2条降峰曲线交叉比较的最大相关系数值。胶质瘤升峰曲线与正常对照升峰曲线具有一定相关性，但其相关系数平均值(0.75±0.10)明显低于胶质瘤患者间相关系数平均值(0.84±0.05；U=17，P=0.04)，表明患者间胶质瘤的升峰曲线相关程度较高。患者间胶质瘤降峰曲线a与正常组织降峰曲线相关系数最大均值为0.88±0.06，而胶质瘤降峰曲线b与正常组织降峰曲线相关系数最大均值为0.54±0.20，两者差异有统计学意义(t=4.0，P=0.003)。见表1。

患者2～5胶质瘤降峰曲线a与患者1胶质瘤降峰曲线的相关系数最大均值为0.83±0.10，而胶质瘤降峰曲线b与患者1胶质瘤降峰曲线的相关系数最大均值略低，为0.79±0.07，但两者差异无统计学意义(t=1.57，P=0.16)。见表2。

3 讨论

T2*加权DCE-MRI成像依赖于团注对比剂经过毛细血管床引起的磁敏感效应，使T2*信号减低，获得T2*灌注图像，从而反映组织的灌注程度和血管容量[4]。测定参数时，通常医师在不知病理结果的情况下将ROI手工放置于病灶的实性部分，并避开坏死组织和血管[4]。然而，病灶组织成分并不单一，ROI手工测定的参数值可能因放置区域不同而导致偏差。

为获得较稳定的TISCs生理参数，本研究采用FADS法对胶质瘤和部分瘤周区域自动提取主要组织成分的生理曲线。如对比剂通过血管时的信号强度下降，表明波峰向下的曲线可能对应血管组织成分，则在病灶组织中该曲线可能对应瘤体血管组织，而在正常组织中该曲线可能对应脑血管结构。陈骏等[10]实验中提取到的大鼠脑胶质瘤瘤体部分的TISCs，Martel等[11]提取的脑血管TISCs均波峰向下。本研究结果显示，正常对照降峰曲线与胶质瘤病灶提取的2条降峰曲线相关系数存在一定差异，表明瘤体中存在与正常组织血管结构不同的多种血管组分。肿瘤的新生血管与胶质瘤的分级紧密相关，而高级别脑胶质瘤的血管生成数量明显高于低级别的脑胶质瘤[12]。研究[13]报道高级别胶质瘤的CBF值显著高于低级别胶质瘤，而高级别胶质瘤中的血管结构是分析瘤体区域的一个重要生理结构组分。高级别胶质瘤可产生较多的血管内皮生长因子，生成较多不成熟的新生毛细血管，血管通透性增加[4]，因此其血管灌注具有独特的特点。

表1 胶质瘤的因子曲线与正常组织因子曲线的相关系数(每个数据测量2次)

表2 患者1与其他患者胶质瘤因子曲线的相关系数(每个数据测量2次)

本研究提取的波峰向上曲线通常对应所占比例较大的无血管组织，则在正常组织中该曲线可能对应脑白质，在病灶区域该曲线可能对应脑水肿组织或脑白质。本研究病灶区域与正常组织均能提取到波峰向上的曲线，通过相关系数值比较发现，病灶区和正常组织的升峰曲线具有一定差异，可能因胶质瘤引起的水肿导致该区域TISCs参数发生改变。恶性程度较高的脑胶质瘤周围水肿较明显[14]，但肿瘤组织成分复杂，患者2病灶区实性瘤体大部分组织对应升峰曲线。坏死区域TISCs信号强度几乎无改变且为低信号，与本研究中提取的TISCs不同。在使用FADS分析时，尽量将ROI避开坏死成分。

由于患者1瘤体体积最小，对对侧正常组织影响最小，因此本研究参照曲线选取患者1的病灶对侧正常组织曲线。但患者性别和年龄对正常组织曲线差异的影响还需进一步探讨。

综上所述，采用FADS可自动提取到胶质瘤的TISCs，本研究初步证明利用曲线的生理参数进行胶质瘤分级诊断研究具有可行性。此外，本研究病例数量较小，今后还需要更多的病例验证该方法的有效性；另外，胶质瘤瘤内和瘤周组织成分较复杂，今后应进一步与样本瘤体组织病理切片进行对照研究。

[1] Wen PY, Kesari S. Malignant gliomas in adults. N Engl J Med, 2008,359(5):492-507.

[2] 中国脑胶质瘤协作组，中国脑胶质瘤基因组图谱计划.中国脑胶质瘤分子诊疗指南.中国神经外科杂志，2014，30(5):435-444.

[3] Law M, Young RJ, Babb JS, et al. Gliomas: Predicting time to progression or survival with cerebral blood volume. Radiology, 2008,247(2):490-498.

[4] 范兵，杜华睿，王霄英，等．MRI动态增强扫描定量参数对脑胶质瘤分级诊断价值的研究.放射学实践，2014，29(8)：893-895．

[5] 林志雄，王炜，陈锦峰，等．脑胶质瘤瘤周水肿机制及临床意义．中国神经免疫学和神经病学杂志，1995，2(3)：168-170．

[6] 晏怡，孙晓川，吕发金，等．颅内肿瘤脑水肿与脑浸润程度的关系．肿瘤防治研究，2009，36(10)：858-862．

[7] Lueck GJ, Kim TK, Burns PN, et al. Hepatic perfusion imaging using factor analysis of contrast enhanced ultrasound. IEEE Trans Med Imaging, 2008,27(10):1449-1457.

[8] Sitek A, Gullberg GT, Huesman RH. Correction for ambiguous solutions in factor analysis using a penalized least squares objective. IEEE Trans Med Imaging, 2002,21(3):216-225.

[9] Zhang J, Ding M, Meng F, et al. Quantitative evaluation of two-factor analysis applied to hepatic perfusion study in contrast-enhanced ultrasound. IEEE Trans Biomed Eng, 2013,60(2):259-267.

[10] 陈骏，余永强，钱银锋，等．大鼠C6脑胶质瘤生长的动态观察和MR灌注成像可行性研究．中华神经医学杂志，2004，3(1)：18-21．

[11] Martel AL, Moody AR, Allder SJ, et al. Extracting parametric images from dynamic contrast-enhanced MRI studies of the brain using factor analysis. Med Image Anal, 2001,5(1):29-39.

[12] Plate KH， Breier G， Risau W． Molecular mechanisms of developmental and tumor angiogenesis． Brain Pathol， 1994,4(3)：207-2l8．

[13] 陈传亮，白岩，王梅云，等．三维伪连续性动脉自旋标记磁共振灌注成像联合扩散加权成像在脑胶质瘤分级中的价值．中国医学计算机成像杂志，2015，21(5)：426-430．

[14] 李相基，刘维恒，张云亭．胶质瘤的MRI．国外医学：临床放射学分册，1991，1(5)：348-350．

Study on MR perfusion quantification of high-grade brain glioma based on factor analysis

ZHANGJi1,WANGYing2*,LITao3

(1.DepartmentofMedicalImaging，ZhongnanHospitalofWuhanUniversity,Wuhan430071,China;2.DepartmentofRadiology, 3.DepartmentofMedicalEngineering,WuhanGeneralHospitalofChinesePeople'sLiberationArmy,Wuhan430070,China)

Objective To quantitative analyze MR perfusion sequence images of 5 high-grade brain gliomas patients using factor analysis of dynamic structures (FADS), and to accurately extract the time-signal intensity curves (TISCs) of ROI from MR perfusion image sequence of brain glioma. Methods The FADS model was solved by replace-approximation method, and the characterization of TISCs and factor images from gliomas and normal tissue regions were analyzed. The correlation coefficients (CCs) of TSICs between gliomas and normal tissue and among the TISCs of patient were computed and compared, respectively. Results One crest-up (CU) curve and two crest-down curves (CD curve a and CD curve b) were extracted from the gliomas and normal tissue. The average value of CU curve CCs between the gliomas and the normal tissue were 0.75±0.10, which was obviously lower than those among glioma patients (0.84±0.05；P<0.05). Compared with the maximum average of CCs between the CD curve b of glioma and the CD curve of normal tissue, the maximum average of CCs between the CD curve a of glioma and the CD curve of normal tissue had obvious significance (P<0.05). In the factor images of the patients, the surrounding tissue of glioma was mainly corresponding to the CU curve, and the glioma was mainly corresponding to the CD curve. Conclusion The TISCs of glioma could be extracted automatically by FADS. It preliminarily demonstrats the feasibility of differentiation diagnosis on the grade of gliomas by using the physiological parameters of TISCs extracted by FADS.

Glioma; Brain; Magnetic resonance imaging; Factor analysis; High-grade

国家自然科学基金(81401474)、湖北省自然基金项目(2012FFB06809)。

张冀(1978—)，女，湖北武汉人，博士，主管技师。研究方向：生物医学图像处理。E-mail: zhangji37@163.com

王鹰，中国人民解放军武汉总医院放射科，430070。E-mail: wangying20012006@163.com

2016-06-24

2016-11-03

R739.41; R445.2

A

1003-3289(2017)01-0119-05

10.13929/j.1003-3289.201606128