多b值对肝硬化DWI纹理特征提取的影响

张 静，仇清涛，段敬豪，姜庆军，孙 钢，巩贯忠，李登旺，尹 勇*

(1.山东师范大学物理与电子科学学院，山东 济南 250358；2.山东省医学物理图像处理技术重点实验室，山东 济南 250358；3.山东大学附属山东省肿瘤医院放疗科，山东 济南 250117；4.济南军区总医院医学影像科，山东 济南 250031)

DOI：10.13929/j.1003-3289.201709043

肝硬化是多种肝脏疾病发展的终末期，以广泛纤维瘢痕、残留组织增生为特征，3%～5%的肝硬化可发展为肝细胞癌[1]。近年来，研究[2]发现基于医学图像提出的影像组学——纹理分析技术有望成为新的肿瘤影像学生物标记物。DWI纹理分析技术已应用于脑胶质瘤[3]、鼻咽癌[4]等的鉴别、分级以及腹部恶性肿瘤的诊断、定性、分级和预后评估，但因b值算法标准尚未统一，其可比性有待进一步探索。Becker等[5]发现b值对正常人不同器官的DWI纹理特征存在显著影响。本研究分析不同b值对提取肝硬化DWI纹理特征的影响，并探讨不同b值与纹理特征变化的相对趋势。

1 资料与方法

1.1 一般资料 收集2016年1月—2017年2月于我院接受MR检查的肝硬化患者53例。纳入标准：①肝脏解剖结构完整；②经3名影像学诊断医师确诊为肝硬化；③无介入及手术治疗史；④无最大径>2 cm的占位性病变及弥漫性病变。排除标准：①图像存在伪影；②大量腹腔积液；③图像和数据缺失。最终纳入39例患者(肝硬化组)，男29例，女10例，年龄33～81岁，平均(55.7±11.1)岁，均伴不同程度门静脉高压及脾大，其中食管、胃底静脉曲张10例，伴少量腹腔积液10例，胆囊炎12例，肝癌8例、糖尿病2例。另选取同期27名肝脏正常、并接受肝脏DWI检查的受检者为对照组，其中男12名，女15名，年龄30～78岁，平均(57.5±15.1)岁。2组间性别差异有统计学意义(χ2=6.068，P=0.02)，年龄差异无统计学意义(t=0.563，P=0.576)。本研究经我院伦理委员会批准，所有受检者均签署知情同意书。

1.2 仪器与方法 采用GE Discovery 750 3.0T MR扫描仪，8通道相控阵腹部线圈。扫描序列及参数：T1WI，TR 3.7 ms，TE 1.7 ms，FOV 38 cm×34.2 cm，层厚5.2 mm，间隔-2.6 mm，NEX 1；体素内不相干运动-扩散加权平面回波成像(intravoxel incoherent motion-diffusion weighted imaging echo planar imaging, IVIM-DWI EPI)序列，TR 10 000 ms，TE 66.1 ms，层厚7 mm，间隔1 mm，NEX 1，矩阵256×256，b值分别为0、20、50、100、200、400、800、1 000、1 200、1 500 s/mm2。

以DWI(b=0)为参考图像，避开下腔静脉、门静脉及汇管区，采用MIM 6.7.6(www.mimsoftware.com)软件，根据Couinaud肝段划分法，于肝脏Ⅶ段、Ⅱ/Ⅲ段和Ⅴ/Ⅵ段选取3个直径20 mm的圆形ROI(图1)，并使用勾画克隆功能将其映射至其余9个b值的DWI图像。然后采用IBEX(imaging biomarker explorer, IBEX)软件对每个ROI分别行灰度统计，获得灰度共生矩阵(gray-level co-occurrence matrix, GLCM)、灰度游程矩阵(gray-level run-length matrix, GLRLM)和邻域灰度差矩阵(neighbor gray-tone difference matrix, NGTDM)，对这三类矩阵共提取37个纹理特征(表1)；计算不同b值下的平均纹理特征值，并以百分比变异系数(percent coefficient of variation, %COV)≤15%评价2组平均纹理特征[6]的稳定性，公式为%COV=SD/Mean×100%，其中SD为标准差，Mean为所有受检者3个ROI的不同b值下纹理特征均值。%COV>15%为纹理特征不稳定。

表1 37个纹理特征名称及其分类

1.3 统计学分析 采用Matlab 2014a统计分析软件，采用指数拟合方法分析纹理特征值与b值的拟合程度，R2为拟合系数，R2≥0.8为拟合程度较好，0.5≤R2<0.8为拟合程度中等，R2<0.5为拟合程度较差。采用两独立样本t检验比较2组%COV值和R2值，P<0.05为差异有统计学意义。

2 结果

2.1 2组平均纹理特征值%COV结果 37个纹理特征中，1个(1/37，2.70%)纹理特征(聚类阴影)因数值出现正负交叉现象、%COV>100%而被剔除。20个(20/37，54.05%)纹理特征值%COV均>15%，为不稳定纹理特征，其中GLCM中8个(8/21，38.09%)、GLRLM中7个(7/11，63.63%)、NGTDM中5个(5/5，100%)；余16个(16/37，43.24%)纹理特征值%COV均≤15%，为稳定纹理特征。

2组间相关性(t=-4.352，P<0.001)、能量(t=-2.743，P=0.008)、同质性1(t=-2.285，P=0.026)、同质性2(t=-2.498，P=0.015)、逆方差(t=-2.268，P=0.027)、粗糙度(t=-2.791，P=0.007)及对比度(t=-2.312，P=0.024)的%COV值差异均有统计学意义，其余纹理特征%COV值差异无统计学意义(P均>0.05)，见图2。

2.2 2组不稳定平均纹理特征值指数拟合模型分析结果 2组中自相关、聚类突、聚类趋势、对比度、和方差、方差、高灰度游程因子、短游程高灰度因子、复杂度及对比度随b值增大呈指数上升趋势；而相关性、能量、长游程因子及粗糙度随b值增大呈指数下降趋势；无法定义长游程高灰度因子、长游程低灰度因子、低灰度游程因子、短游程低灰度因子、频度及纹理强度与b值的相对变化趋势，见图3。

2组不稳定纹理特征的R2值比较见表2。2组间聚类突、聚类趋势、相关性、方差、长游程低灰度因子、粗糙度、纹理强度R2值差异有统计学意义(P均<0.05)，其中仅纹理强度R2值肝硬化组优于对照组(0.71 vs 0.03，P<0.001)。

3 讨论

DWI可从分子水平对生物体的组织结构和功能状态进行无创性检查，检测组织水分子扩散状况[7]。DWI中b值影响局灶性病变检出的敏感性，低b值对检出最大径1～3 cm的肝脏恶性肿瘤更具优势，高b值区分肝脏恶性肿瘤与肝纤维化和假性动脉增强时的特异度较高[8]。纹理特征是通过医学图像处理技术将ROI的影像数据转化为可发掘的高维特征数据，可为疾病诊断、治疗监测和预后评估提供参考[9]。目前肝纤维化、肝硬化、肝囊肿、肝血管瘤、肝癌及肝转移瘤等均有T1WI、T2WI、DWI及DCE-MRI影像组学——纹理分析相关研究[10-12]。使用DWI进行纹理分析时，有必要将不同的可变量b值作为潜在的混杂因素考虑在内[5，13]。

表2 2组纹理特征R2比较

图1 DWI中选取ROI示意图(b=0 s/mm2) A.ROI位于肝Ⅶ段； B.ROI位于肝Ⅱ/Ⅲ段； C.ROI位于肝Ⅴ/Ⅵ段

图2 2组平均纹理特征值%COV比较 (*：差异有统计学意义)

图3 纹理特征与b值指数拟合曲线图 A.自相关； B.相关性； C.低灰度游程因子； D.聚类突； E.能量； F.纹理强度 (红线：肝硬化组；蓝线：对照组)

本组20个不稳定纹理特征的平均纹理特征值%COV均>15%，其中GLCM 8个、GLRLM 7个、NGTDM 5个。GLCM包含灰度值信息，且能展示灰度值关于灰度空间的特征分布，其中差熵、熵、逆差钜、逆差及和熵均是涉及图像纹理复杂程度的特征。本研究中2组上述纹理特征%COV值差异均无统计学意义，可能因DWI虽然对组织中水分子扩散敏感，但其组织空间分辨率较T1WI低[10]，故从不同b值DWI中提取的纹理特征对鉴别肝硬化组织中的纤维组织及再生结节不敏感。利用DWI进行肝硬化及相关纹理分析研究时，需考虑b值差异的影响，进一步优化纹理特征组合，以辅助提高肝硬化及肝硬化背景下的肝癌及肝血管瘤等疾病的诊断及检测能力。本研究2组间有7个纹理特征的%COV值差异有统计学意义(P均<0.05)，且“聚类阴影”在各b值时出现正负交叉现象，可能是由于在不同病例间勾画ROI时，因血管灌注、不等量纤维基质成分及磁场均匀性等因素所致[14]。

肝硬化患者的DWI提取的纹理特征(包括GLCM、GLRLM、NGTDM)受不同b值影响。本研究2组中部分纹理特征随b值增大而呈指数上升或指数下降趋势，与Becker等[5]研究结果一致，可能因患者间的异质性和不同的磁化衰减程度，使低b值时DWI图像易受毛细血管灌注效应影响，高b值时易受细胞和细胞外基质的物理密度及其几何排列影响[15]。另外，本研究中2组有6个纹理特征随b值增长变化趋势杂乱无章，原因可能在于肝脏内胆管、血管及肝实质的比例变化同样可引起肝脏纹理特征分析改变[16]。2组平均纹理特征的R2值比较提示对照组拟合效果普遍优于肝硬化组，且7个纹理特征间的R2值比较差异有统计学意义(P均<0.05)。郭冬梅等[13]发现从门静脉期提取的纹理特征分类识别3组肝脏组织(正常肝脏、较早期肝硬化及中晚期肝硬化)的正确率优于T1WI、动脉期及T2WI；王波涛等[12]发现纹理特征中的对比度、自相关鉴别肝囊肿及肝血管瘤的诊断价值较高，提示采用MR对不同器官、疾病及病程进行纹理分析时，需考虑序列选择差异。本研究中肝硬化组聚类突、聚类趋势、相关性、方差及粗糙度5个纹理特征受不同b值影响，与对照组变化趋势一致，且2组间上述纹理特征R2值差异有统计学意义(P均<0.05)，提示上述纹理特征有助于提高肝硬化背景疾病分析的诊断、治疗监测和预后评估。

本研究的局限性：①样本量较小；②未使用三维VOI；③未对肝硬化不同致病原因分类；④未使用T1WI、ADC的特征作为参照，结果可能存在偏倚。

综上所述， DWI的b值影响肝硬化背景下的纹理特征；部分纹理特征与b值存在相关性。对于依赖b值改变的纹理特征及相关指数模型能否成为潜在生理意义的生物参数尚需进一步讨论。

[

]

[1] Hemming AW, Berumen J, Mekeel K. Hepatitis B and hepatocellular carcinoma. Clin Liver Dis, 2016,20(4):703-720.

[2] Aerts HJ, Velazquez ER, Leijenaar RT, et al. Decoding tumour phenotype by noninvasive imaging using a quantitative radiomics approach. Nat Commun, 2014,5:4006.

[3] Qin JB, Liu Z, Zhang H, et al. Grading of gliomas by using radiomic features on multiple magnetic resonance imaging (MRI) sequences. Med Sci Monit, 2017,23(1):2168-2178.

[4] Liu J, Mao Y, Li Z, et al. Use of texture analysis based on contrast-enhanced MRI to predict treatment response to chemoradiotherapy in nasopharyngeal carcinoma. J Magn Reson Imaging, 2016,44(2):445-455.

[5] Becker AS, Wagner MW, Wurnig MC, et al. Diffusion-weighted imaging of the abdomen: Impact of b-values on texture analysis features. NMR Biomed, 2017,30(1):1-10.

[6] Shafiq-Ul-Hassan M, Zhang GG, Latifi K, et al. Intrinsic dependencies of CT radiomic features on voxel size and number of gray levels. Med Phys, 2017,44(3):1050-1062.

[7] Koh DM, Collins DJ. Diffusion-weighted MRI in the body: Applications and challenges in oncology. AJR Am J Roentgenol, 2007,188(6):1622-1635.

[8] Vandecaveye V, De Keyzer F, Verslype C, et al. Diffusion-weighted MRI provides additional value to conventional dynamic contrast-enhanced MRI for detection of hepatocellular carcinoma. Eur Radiol, 2009,19(10):2456-2466.

[9] Lambin P, Rios-Velazquez E, Leijenaar R, et al. Radiomics: Extracting more information from medical images using advanced feature analysis. Eur J Cancer, 2012,48(4):441-446.

[10] Yu H, Touret AS, Li B, et al. Application of texture analysis on parametric T1 and T2 maps for detection of hepatic fibrosis. J Magn Reson Imaging, 2017,45(1):250-259.

[11] Zhou W, Zhang L, Wang K, et al. Malignancy characterization of hepatocellular carcinomas based on texture analysis of contrast-enhanced MR images. J Magn Reson Imaging, 2017,45(5):1476-1484.

[12] 王波涛，刘刚，樊文萍，等.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．中国医学科学院学报，2017，39(2)：169-176．

[13] 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．中国医学影像技术，2014，30(7)：1105-1108．

[14] Efremidis SC, Hytiroglou P. The multistep process of hepatocarcinogenesis in cirrhosis with imaging correlation. Eur Radiol, 2002,12(4):753-764.

[15] Wurnig MC, Donati OF, Ulbrich E, et al. Systematic analysis of the intravoxel incoherent motion threshold separating perfusion and diffusion effects: Proposal of a standardized algorithm. Magn Reson Med, 2015,74(5):1414-1422.

[16] Jirák D, Dezortová M, Taimr P, et al. Texture analysis of human liver. J Magn Reson Imaging, 2002,15(1):68-74.