纹理特征分析在肝囊肿及肝血管瘤磁共振成像鉴别诊断中的价值

王波涛，刘 刚，樊文萍，张晓欢，卢俞宏，陈志晔，

1中国人民解放军总医院海南分院放射科，海南三亚 5720132中国人民解放军总医院放射科，北京 100853



·论 著·

纹理特征分析在肝囊肿及肝血管瘤磁共振成像鉴别诊断中的价值

王波涛1，刘 刚2，樊文萍1，张晓欢1，卢俞宏1，陈志晔1，2

1中国人民解放军总医院海南分院放射科，海南三亚 5720132中国人民解放军总医院放射科，北京 100853

目的 比较肝囊肿及肝血管瘤在磁共振成像(MRI)常规T2加权(T2WI)序列图像纹理特征差异。方法 选取中国人民解放军总医院海南分院156例肝囊肿(A组：弥散加权成像呈等/低信号肝囊肿100例；B组：弥散加权成像呈高信号肝囊肿56例)及100例肝血管瘤(C组)，分别对其MRI常规T2WI序列轴位图像进行纹理特征分析(选取能量、对比度、自相关、逆差距、熵5个纹理特征参数)，采用独立样本t检验及Aspin-Welch检验各组之间的纹理特征差异。结果 5个纹理特征参数在3组数据中能量、对比度、自相关、熵差异均有统计学意义(A+B组比C组：P能量=0.000，P对比度=0.000，P自相关=0.000，P逆差距=0.822，P熵=0.000；A组比C组：P能量=0.000，P对比度=0.000，P自相关=0.000，P逆差距=0.092，P熵=0.000；B组比C组：P能量=0.000，P对比度=0.000，P自相关=0.000，P逆差距=0.046，P熵=0.009)，同时结合受试者工作特征曲线发现对比度、自相关在肝囊肿及肝血管瘤鉴别中具有较高诊断价值。结论 肝囊肿及肝血管瘤在MRI常规T2WI图像的纹理特征显著不同，纹理特征分析可以作为基于MRI 常规T2WI图像鉴别肝囊肿与肝血管瘤的工具。

肝囊肿；肝血管瘤；纹理分析；磁共振成像

ActaAcadMedSin，2017,39(2)：169-176

随着人们对健康认识的不断提高，通过磁共振成像(magnetic resonance imaging，MRI)检查对肝囊肿及肝血管瘤的检出率有明显上升趋势，单纯凭常规MRI平扫序列很难对两者进行有效鉴别，通过动态增强扫描检查可以进行明确诊断[1]，增强使用的磁共振对比剂会给患者带来额外的经济负担，并且存在对比剂过敏的风险。本研究旨在通过纹理特征分析技术对MRI中常规T2加权图像(T2-weighted image，T2WI)进行图像分析，证实纹理特征分析可以准确鉴别大多数肝囊肿及肝血管瘤。

对象和方法

对象 选取中国人民解放军总医院海南分院2012年7月至2016年8月磁共振平扫及动态增强扫描检查诊断为肝囊肿及肝血管瘤患者共256例，其中156例肝囊肿[A组：弥散加权成像(diffusion-weighted imaging，DWI)呈等/低信号肝囊肿100例；B组：DWI呈高信号肝囊肿56例]及100例肝血管瘤(C组)。男性142例、女性114例，平均年龄(45±18)岁(31～83岁)。

数据采集 采用GE signa Hdxt 1.5T超导MR扫描机，常规做横轴位T2WI脂肪抑制序列、DWI、化学位移成像和肝脏容积加速采集动态增强扫描，均用体部8通道相控阵线圈。轴位T2WI脂肪抑制序列采用呼吸门控，成像参数为：重复时间6666 ms，回波时间88 ms，矩阵256×256，层厚6 mm。

图像分析 由1位医师查找、记录患者信息及相关影像资料，从医学影像信息系统及其后处理工作站导出肝囊肿及肝血管瘤轴位T2WI脂肪抑制序列图像，图片为jpg格式，将图像导入ImageJ(1.41v)图像纹理特征分析插件，图像纹理特征分析插件均设置为默认值，像素间距d=1，两点之间连线与轴的夹角θ=0°。由2位5年以上工作经验的影像诊断医师对肝囊肿及肝血管瘤进行观察、分析，并进行图像分割及纹理特征参数提取，图像纹理特征分析插件提供的图像纹理特征参数包括：能量[又称为角二阶矩(angular second moment，ASM)]、对比度、自相关、逆差距、熵。图像感兴趣区(region of interest，ROI)提取：对肝囊肿及肝血管瘤沿着病灶边缘进行人工手动提取分割，选取肝囊肿及肝血管瘤较为均匀的最大截面区域作为ROI(图1)，为避免MRI伪影对纹理特征干扰，剔除存在伪影的病变图像，并根据病灶大小调整ROI的尺寸，ROI包含病灶所有像素，为确保提取出的数据可靠性，手动分割提取3次，取平均值。

统计学处理 采用SPSS 22.0软件进行统计分析，对肝囊肿及肝血管瘤分成A+B及C组、B及C组、A及C组，3组数据先分别进行正态分布检验，符合正态分布采用组内独立样本t检验，不符合正态分布采用Aspin-Welch检验，P>0.05为符合正态分布，P<0.05为差异有统计学意义。将各对照组差异有统计学意义的纹理特征参数代入多因素Logistic回归模型中，采用向后Wald逐步选择法确定最终模型[2]，同时进行受试者工作特征(receiver operating characteristic，ROC)曲线分析，评估联合预测模型及各纹理特征参数的预测性能，以血管瘤为状态变量，以灵敏度为纵坐标、1-特异度为横坐标绘制ROC曲线。

图 1 在肝囊肿及肝血管瘤放置感兴趣区测量纹理特征

Fig 1 Texture characteristics were measured by region of interest placed over the whole lesions for hepatic cyst and hemangioma

结 果

肝脏MRI 156例肝囊肿均为长T2信号，其中DWI呈等/低信号肝囊肿100例，DWI呈高信号肝囊肿56例，动态增强扫描病灶均无强化；100例肝血管瘤均为长T2信号，DWI均呈高信号，动态增强扫描均符合血管瘤明显持续填充强化特点。

纹理特征 用灰度共生矩阵法对156例肝囊肿(A+B组)及100例肝血管瘤(C组)进行纹理特征

分析显示，能量(P=0.000，T=5.163)、对比度(P=0.000，F=107.879)、自相关(P=0.000，T=47.646)、熵(P=0.000，T=4.995)差异均有统计学意义，逆差距(P=0.822) 差异无统计学意义(表1)。将差异有统计学意义的能量、对比度、自相关、熵为自变量进行Logistic回归多因素分析，得出肝囊肿与肝血管瘤第1组联合预测分型公式，P=1/[1+e-(-0.098-1303.746ASM-0.003对比度+9813.074自相关)]，按照临床实际要求取假阳性率R=10%后求得诊断点为0.5598，如果回归值P>0.5598诊断肝血管瘤，P<0.5598诊断肝囊肿。ROC曲线分析提示多因素联合预测曲线下面积0.904(表2、3，图2)。

在56例DWI高信号肝囊肿(B组)及100例肝血管瘤(C组)中，5个纹理特征参数差异均有统计学意义(能量：P=0.000，T=3.559；对比度：P=0.000，T=21.829；自相关：P=0.000，T=30.540；逆差距：P=0.046，T=2.015；熵：P=0.009，T=2.630)(表4)。将差异有统计学意义的能量、对比度、自相关、逆差距、熵为自变量进行Logistic回归多因素分析，得出第2组联合预测分型公式，P=1/[1+e-(-0.900-1356.575ASM+11764.896自相关]，同时按照临床实际要求取假阳性率R=10%后求得诊断点为0.7471，如果回归值P>0.7471诊断肝血管瘤，P<0.7471诊断肝囊肿。ROC曲线分析提示多因素联合预测曲线下面积0.878(表5、6，图3)。

表 1 156例肝囊肿及100例肝血管瘤5个纹理特征参数比较(x-±s)

ASM：角二阶矩；IDM：逆差距

ASM：angular second moment；IDM：inverse difference moment

表 2 肝囊肿与肝血管瘤Logistic回归分析结果

表 3 肝囊肿与肝血管瘤ASM、对比度、自相关、熵及联合预测临界值、ROC曲线下面积

ROC：受试者工作特征

ROC：receiver operating characteristic

在100例DWI等/低信号肝囊肿(A组)及100例肝血管瘤(C组)中，能量(P=0.000，T=5.086)、对比度(P=0.000，F=114.388)、自相关(P=0.000，F=50.097)、熵(P=0.000，T=5.218)差异均有统计学意义，逆差距(P=0.092) 差异无统计学意义(表7)。将差异有统计学意义的能量、对比度、自相关、熵为自变量进行Logistic回归多因素分析，得出肝囊肿与肝血管瘤的第3组联合预测分型公式，P=1/[1+e-(0.861-1257.730ASM-0.005对比度+9721.088自相关)]，同时按照临床实际要求取假阳性率R=10%后求得诊断点为0.6542，将能量、对比度及自相关代入公式，如果计算回归值P>0.6542诊断肝血管瘤，P<0.6542诊断肝囊肿。ROC曲线分析提示多因素联合预测曲线下面积0.921(表8、9，图4)。

图 2 肝囊肿及肝血管瘤ASM、对比度、自相关、熵和多因素联合预测ROC曲线

Fig 2 ROC curve of ASM，contrast，correlation，entropy，and combined texture parameters for predicting hepatic cyst and hemangioma

图 3 DWI呈高信号肝囊肿及肝血管瘤ASM、对比度、自相关、逆差距、熵和多因素联合预测ROC曲线

Fig 3 ROC curve of ASM，contrast，correlation，IDM，entropy，and combined texture parameters for predicting hepatic cyst and hemangioma with high signal on DWI

表 4 56例 DWI高信号肝囊肿及100例肝血管瘤5个纹理特征参数比较(x-±s)

DWI：弥散加权成像

DWI：diffusion weighted imaging

表 5 DWI高信号肝囊肿与肝血管瘤Logistic回归分析结果

表 6 DWI高信号肝囊肿与肝血管瘤5个纹理特征参数及联合预测临界值、ROC曲线下面积结果

表 7 100例DWI等/低信号肝囊肿及100例肝血管瘤5个纹理特征参数比较(x-±s)

表 8 DWI等/低信号肝囊肿与肝血管瘤Logistic回归分析结果

表 9 DWI等/低信号肝囊肿与肝血管瘤 ASM、对比度、自相关、熵及联合预测临界值、ROC曲线下面积结果

病例分析 图5第1行，男性，45岁，上腹不适1周，MRI平扫示肝左内叶类圆形长T2信号病灶，DWI呈高信号，对病灶ROI进行手动分割并测其5个纹理特征参数数值，其中ASM=0.003、对比度=248.884、自相关=0.0006，分别带入3组联合预测公式，第1组公式回归值P=0.7562(>0.5598)；第2组公式回归值P=0.8901(>0.7471)；第3组公式回归值P=0.8420(>0.6542)，3组公式对应结果诊断肝血管瘤，经MRI增强扫描证实病灶持续填充强化特点，符合肝血管瘤。图5第2行，男性，35岁，体检超声显示肝内多发病变，MRI平扫肝左叶外下段类圆形长T2信号病灶，DWI呈高信号，对病灶ROI进行手动分割并测其5个纹理特征参数数值，其中ASM=0.002、对比度=450.417、自相关=0.0003，分别带入前两组联合预测公式(DWI呈高信号囊肿，带入第3组公式结果不准确)，第1组公式回归值P=0.2475(<0.5598)；第2组公式回归值P=0.4789(<0.7471)，

两组公式对应本例结果诊断肝囊肿，经MRI增强扫描证实病灶无强化，符合肝囊肿。

图 4 DWI呈等/低信号肝囊肿及肝血管瘤ASM、对比度、自相关、熵和多因素联合预测ROC曲线

Fig 4 ROC curve of ASM，contrast，correlation，entropy and combined texture parameters for predicting hepatic cyst and hemangioma with equi or low signal on DWI

图 5 肝内T2加权图像显示高信号病变，第1行纹理分析证实病变为血管瘤，第2行证实为囊肿

Fig 5 Hepatic lesions with hyperintensity on T2-weighted image，top line identified as hepatic hemangioma，and bottom line identified as hepatic cyst

讨 论

肝囊肿和肝血管瘤均是最常见的肝脏良性病变，肝血管瘤中以海绵状血管瘤最常见，内含丰富的血窦及较多血液，血液的含水量达到80%以上，肝囊肿同样含水量丰富，两者均呈长T1长T2信号特征，通过磁共振常规平扫序列很难进行有效鉴别。本研究在不通过加扫MRI其他序列及增强的情况下，通过纹理特征分析技术将常规T2WI图像的灰度值转化为纹理信息，肝囊肿的T2值较肝血管瘤T2值大[3]，理论上纹理特征同样应存在差异，同时纹理的变化是许多疾病影像特征的表现[4]，提取出肉眼无法识别的纹理特征，比较两者纹理特征差异，通过这种量化分析达到肝囊肿与肝血管瘤相鉴别的目的。

图像纹理特征分析已经部分应用于肝脏其他疾病诊断，像肝纤维化、肝硬化MRI评价中均有相关性研究[5- 7]。纹理特征分析是通过一定的图像处理技术提取出纹理特征参数，从而获得纹理的定量或定性描述的处理过程，将医学图像的灰度转换成图像纹理信息进行表达，有助于发现更多潜在有用的信息，对临床疾病的诊疗提供参考[8]。灰度共生矩阵[9]是较为经典的纹理特征提取方法，它不仅可以包含灰度值信息，还可以更好地表达灰度值关于灰度空间的特征分布，为了更直观体现共生矩阵描述纹理状况，本研究主要选取的参数有能量、对比度、自相关、逆差矩、熵以及d=1，θ=0°单参数进行纹理分析，薄华等[10]研究表明对于灰度共生矩阵不需要选取所有参数同样可以完整的表达图像的纹理特征。其中5个参数[11]能量又称ASM，反映了图像灰度分布均匀及纹理粗细度，其值大表明一种较均一、规则变化的纹理模式；自相关反映了图像中局部灰度相关性，当矩阵元素值均匀相等时，相关值就大；逆差距度量图像纹理局部变化的多少，其值大表明不同区域间纹理缺少变化；对比度反映了图像的清晰度和纹理沟纹深浅的程度，纹理沟纹越深，其对比度越大；熵表达图像纹理的复杂程度，熵值越大，图像纹理信息量越大。

本研究肝囊肿(A+B组)与肝血管瘤(C组)在T2WI图像中所提取的5个图像纹理参数对比显示，能量(P=0.000)、对比度(P=0.000)、自相关(P=0.000)、熵(P=0.000)差异均有统计学意义，表明肝囊肿与肝血管瘤的纹理特征存在差异。其中肝囊肿能量、对比度值大于肝血管瘤，自相关、熵值小于肝血管瘤，推测此结果可能与其病变组织构成有关。前期部分研究已证实人体内部的图像纹理特征会因其发生病理变化而相应改变[12- 14]，肝囊肿内多是较为纯净的自由水，囊液相对静止，但肝血管瘤内部由血管壁、血窦、血栓及纤维组织等构成，瘤体内血液由外向中心缓慢流动[15]，所以肝囊肿较肝血管瘤组织结构较简单、内部相对稳定的状态，导致其纹理特征较肝血管瘤呈纹理细致、分布均匀、纹理沟纹深及复杂程度小的特点。同时，笔者发现在差异具有统计学意义的4个纹理特征参数中，肝囊肿对比度值明显大于肝血管瘤，表明肝囊肿纹理基元对比强烈，纹理效果明显，推测与肝囊肿的T2值较肝血管瘤T2值大有关，所以常规T2WI肉眼观察中肝囊肿信号亮度普遍高于肝血管瘤，此推测有待于进一步证实。

多因素回归分析显示，该联合预测模型公式在肝囊肿及肝血管瘤鉴别中准确率为83.6%，同时利用ROC曲线对该联合预测模型及其他单变量的诊断价值进行分析评估，曲线下面积越接近1.0说明诊断价值越大、接近0.5时无诊断价值，结果显示，第1组联合预测模型的曲线下面积为0.904，其敏感度为0.750，特异度为0.900，其他单变量参数曲线下面积介于0.6～0.8，表明多因素联合预测的准确性较高，同时其诊断的准确性明显优于其他单变量。各纹理特征参数反映的病变内部变化不同，单个纹理特征变量在鉴别中有一定的准确性，但Logistic回归是驾驭在宏观层次上，综合考虑各纹理特征参数评分和指数在囊肿和血管瘤鉴别中的影响，通过多因素联合分析其诊断效能较单因素分析显著提高，在肝囊肿和肝血管瘤的鉴别上取得更好的效果，故在临床实践中有一定的实用性。

本研究100例肝血管瘤DWI均呈高信号，部分肝囊肿因为T2透过效应[16]的存在DWI同样呈高信号，将DWI呈高信号的肝囊肿及血管瘤相比较观察纹理特征是否存在差异更具有临床意义。同样方法统计出56例DWI呈高信号囊肿与100例肝血管瘤的5个纹理特征参数能量(P=0.000)、对比度(P=0.000)、自相关(P=0.000)、逆差距(P=0.046) 、熵(P=0.009)差异均有统计学意义。将5个纹理参数进行多因素回归分析显示，该联合预测公式模型同样具有较高的鉴别价值，其曲线下面积0.878，模型预测的准确率80.1%，同时笔者发现较前对照组(A+B组比C组)公式中缺少了对比度。笔者推测其原因是在这组对照中逆差距差异有统计学意义，在将5个差异均有统计学意义的纹理特征自变量代入Logistic回归多因素分析，自变量之间会产生一些混杂因素，所以这组公式中缺少对比度，以便保留最有效的指标进行多因素分析，得出的结果表明通过纹理特征分析同样可以将DWI呈高信号的囊肿与血管瘤在T2WI序列上进行有效鉴别。

一般观察显示肝血管瘤DWI均呈高信号，这与DWI呈等/低信号的肝囊肿相鉴别较容易，同时结合统计数据发现这组与之前的(A+B组比C组)统计结果相类似，能量(P=0.000)、对比度(P=0.000)、自相关(P=0.000)、熵(P=0.000)差异均有统计学意义，在多因素回归分析的曲线下面积同样明显高于单个纹理特征，其曲线下面积0.921，其敏感度为0.890、特异度为0.900，模型预测的准确率88.1%，能很好地区别DWI等/低信号肝囊肿与血管瘤。本研究同时可以扩大样本量通过对其他T1WI、DWI序列提取纹理参数，多个序列纹理参数联合比较推测可以明显提高肝囊肿及肝血管瘤鉴别的准确性。

本研究使用纹理特征分析在T2WI序列对肝囊肿和肝血管瘤进行鉴别诊断，在3个对照组中选取的5个纹理特征参数通过多因素回归分析发现能量、对比度、自相关存在较高的鉴别诊断价值，同时通过Logistic回归模型对肝囊肿及肝血管瘤的鉴别进行预测，方法操作简便、有效、经济，具有一定的临床推广价值。

[1]方春，王立章，俞方荣，等. MRI平衡快速场回波成像在肝海绵状血管瘤和肝囊肿鉴别诊断中的价值[J]. 中华实用诊断与治疗杂志，2011，25(9)：894- 895.

[2]刘润幸. 使用SPSS作多变量观察值的ROC曲线分析[J]. 中国公共卫生，2003，19(9)：1151- 1152.

[3]陈双庆，郭亮，沈海林，等. 表观扩散系数与T2值诊断肝脏局灶性小病变的比较[J]. 中国CT和MRI杂志，2005，3(3)：37- 40.

[4]周晓霞，张景，刘卓，等. 基于MR图像女性阿尔茨海默症海马纹理特征研究[J]. 北京生物医学工程，2010，29(3)：230- 234.

[5]Yu H，Buch K，Li B，et al. Utility of texture analysis for quantifying hepatic fibrosis on proton density MRI[J]. J Magn Reson Imaging，2015，42(5)：1259- 1265.

[6]郭冬梅，刘惠，邵莹，等. 基于纹理特征的多序列MRI的肝硬化识别研究[J]. 中国医学影像技术，2014，30(7)：1105- 1108.

[7]刘汉菊，李涛，金银华，等. 肝纤维化、肝硬化的MRI评价指标与病理学分期的相关性研究[J]. 临床放射学杂志，2013，32(11)：1599- 1602.

[8]Gao S，Peng Y，Guo H，et al. Texture analysis and classification of ultrasound liver images[J]. Biomed Mater Eng，2014，24(1)：1209- 1216.

[9]Haralick RM，Shanmugam K，Dinstein I. Textural features for image classification[J]. IEEE Trans Cybern，1973，3(6)：610- 621.

[10]薄华，马缚龙，焦李成. 图像纹理的灰度共生矩阵计算问题的分析[J]. 电子学报，2006，34(1)：155- 158，134.

[11]Karahaliou AN，Boniatis IS，Skiadopoulos SG，et al. Breast cancer diagnosis：analyzing texture of tissue surrounding microcalcifications[J]. IEEE Trans Inf Technol Biomed，2008，12(6)：731- 738.

[12]Wang L，Li N，Zhou X，et al. Texture characteristic analysis of MRI for exploratory study on early diagnosis of multiple sclerosis[C]. LEEE/ICME International Conference on Complex Medical Engineering，2007：652- 655.

[13]Zhang J，Tong L，Wang L，et al. Texture analysis of multiple sclerosis：a comparative study[J]. Magn Reson Imaging，2008，26(8)：1160- 1166.

[14]Tixier F，Hatt M，Le Rest CC，et al.Reproducibility of tumor uptake heterogeneity charact-erization through textural feature analysis in 18F-FDG PET [J].J Nucl Med，2012，53(5)：693- 700.

[15]王丽萍，李克，王薇，等. 动态及延时增强磁共振成像对肝血管瘤诊断的评价[J].中国医学计算机成像杂志，2006，6(3)：392.

[16]Burdette JH，Elster AD，Ricci PE. Acute cerebral infarction：quantification of spin-density and T2 shine-through phenomena on diffusion-weighted MR images[J].Radiology，1999，212(2)：333- 339.

Value of Texture Feature Analysis in the Differential Diagnosis of Hepatic Cyst and Hemangioma in Magnetic Resonance Imaging

WANG Botao1，LIU Gang2，FAN Wenping1，ZHANG Xiaohuan1，LU Yuhong1，CHEN Zhiye1，2

1Department of Radiology，Hainan Branch of Chinese PLA General Hospital，Sanya，Hainan 572013，China2Deapartment of Radiology，Chinese PLA General Hospital，Beijing 100853，China

Corresponding author：CHEN Zhiye Tel：0898- 37330852，E-mail：yyqf@hotmail.com

Objective To investigate the difference of texture on conventional T2-weighted image (T2WI) between hepatic cyst and hepatic hemangioma. Methods All the subjects included 156 patients with hepatic cyst [A group：100 cases with equi or low signal on diffusion weighted imaging (DWI)；B group：56 cases with high signal on DWI] and 100 patients with hemangioma (C group). Conventional magnetic resonance imaging T2WI，DWI and dynamic contrast enhancement were performed on all the patients，and the texture analysis was applied with the images of T2WI，and the texture parameters included angular second moment，contrast，correlation，inverse difference moment，and entropy. Independent samplet-test and Aspin-Welch test were performed for the comparisons among groups. Results All the texture parameters showed significant difference among groups [(A+B) groupvs. C group：Pangular second moment=0.000，Pcontrast=0.000，Pcorrelation=0.000，Pinverse difference moment=0.822，Pentropy=0.000；A groupvs. C group：Pangular second moment=0.000，Pcontrast=0.000，Pcorrelation=0.000，Pinverse difference moment=0.092，Pentropy=0.000；B groupvs. C group：Pangular second moment=0.000，Pcontrast=0.000，Pcorrelation=0.000，Pinverse difference moment=0.046，Pentropy=0.009]，and receiver operating characteristic curve analysis demonstrated that contrast and correlation had high differential diagnostic values between hepatic cyst and hemangioma. Conclusion Hepatic cyst and hemangioma present evident different texture characteristics，and the texture analysis may be considered as a simple and effective tool in the differential diagnosis between hepatic cyst and hemangioma based on the images of T2WI.

hepatic cyst；hepatic hemangioma；texture analysis；magnetic resonance imaging

陈志晔 电话：0898- 37330852，电子邮件：yyqf@hotmail.com

R445.2

A

1000- 503X(2017)02- 0169- 08

10.3881/j.issn.1000- 503X.2017.02.002

2016- 11- 08)