磁共振成像纹理特征分析在胰腺浆液性囊腺瘤及黏液性囊腺瘤鉴别诊断中的价值

王波涛，何 蕾，刘 刚，刘梦琦，，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 572013 2中国人民解放军总医院放射科，北京 100853

ActaAcadMedSin，2018,40(2)：187-193

胰腺囊性肿瘤较为少见，占全部胰腺肿瘤的1% ～ 2%，其中以浆液性囊腺瘤及黏液性囊腺瘤较多见[1]。近年来，随着磁共振成像(magnetic resonance imaging，MRI)检查的发展和广泛应用，对胰腺囊腺瘤的检出率有明显上升趋势，囊腺瘤的术前早期诊断对后期治疗具有重要临床意义[2]。本研究旨在通过纹理特征分析技术对胰腺囊腺瘤MRI常规T1加权图像(T1-weighted image，T1WI)、T2加权图像(T2-weighted image，T2WI)进行纹理分析，证实纹理特征分析可以有效鉴别浆液性囊腺瘤及黏液性囊腺瘤。

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2017年6月磁共振检查及手术病理证实为胰腺浆液性囊腺瘤及黏液性囊腺瘤患者44例，男性10例、女性34例，平均年龄(50.7±10.5)岁；其中24例浆液性囊腺瘤，男性5例、女性19例，平均年龄(51.9±14.4)岁，头颈部12例、体尾部12例；20例黏液性囊腺瘤，男性5例、女性15例，平均年龄(49.1±8.5)岁，头颈部6例、体尾部14例。

数据采集采用GE signa Hdxt 1.5T超导MR扫描机，患者采用仰卧位扫描，均用体部8通道相控阵线圈，并加呼吸门控。横轴位T2加权成像脂肪抑制序列成像参数为：重复时间6000 ms，回波时间88 ms，矩阵256×256，层厚6 mm，层间距1 mm，视野38 cm×38 cm。横轴位T1加权成像参数为：重复时间4.0 ms，回波时间2.3 ms，矩阵256×256，层厚5 mm，层间距1 mm，视野38 cm×38 cm。

图像分析由1位医师查找、记录患者信息及MRI图像资料，从医学影像信息系统中导出胰腺浆液性囊腺瘤及黏液性囊腺瘤横轴位T2加权脂肪抑制序列和T1加权序列图像，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3位5年以上工作经验的影像诊断医师对病灶进行图像分割及纹理特征参数提取，剔除存在伪影的病变图像，避免MRI伪影对纹理特征产生干扰。图像纹理特征参数包括：角二阶矩、对比度、自相关、逆差距、熵。图像感兴趣区(region of interest，ROI)提取：对胰腺浆液性囊腺瘤及黏液性囊腺瘤的最大层面囊性部分进行手动提取分割(图1)，根据病灶囊性部分调整ROI的大小，ROI包含其所有像素，为确保提取数据的准确性，手动分割提取3次并取平均值。

统计学处理计量资料采用均数±标准差表示，并进行正态分布检验，非正态分布数据用中位数(四分位数间距)表示。胰腺浆液性囊腺瘤及黏液性囊腺瘤临床病理特征及人口统计学特征计数资料组间采用卡方检验，对胰腺浆液性囊腺瘤及黏液性囊腺瘤的纹理特征参数符合正态分布采用独立样本t检验，不符合正态分布采用Mann-WhitneyU检验。以浆液性囊腺瘤和黏液性囊腺瘤为因变量，将对比度(T1WI)、逆差距(T1WI)、对比度(T2WI)、自相关(T2WI)、逆差距(T2WI)5个差异存在统计学意义的纹理特征参数为自变量，进行Logistic回归分析，用向后法进行变量选择，根据Waldχ2值确定最终进入回归模型的变量，按照临床实际要求取假阳性率R=10%计算诊断点[3]。同时进行受试者工作特征曲线(receiver operating characteristic curve，ROC)分析，根据胰腺囊腺瘤病理诊断结果为金标准，假设黏液性囊腺瘤为阳性组，浆液性囊腺瘤为阴性组，以敏感性为纵坐标、1-特异性为横坐标绘制ROC曲线，并选择各纹理特征参数敏感性和特异性之和最大值确定为最佳诊断临界值，并得到最佳诊断临界值相对应的敏感性、特异性，评估MRI常规T1、T2加权图像的5个纹理特征参数及Logistic回归模型在浆液性囊腺与黏液性囊腺瘤鉴别中的预测性能，统计学软件采用SPSS 22.0软件。P<0.05为差异有统计学意义。

结 果

胰腺MRI24例浆液性囊腺瘤瘤体直径2.8(1.8)cm，病灶均为长T2信号，长T1信号22例、短T1信号2例，多囊19例、单囊5例；20例黏液性囊腺瘤瘤体直径3.6(1.7)cm，其中5例直径超过10 cm，均为长T1长T2信号，多囊14例、单囊6例；两组之间肿瘤直径差异存在统计学意义(U=142.500，P=0.021)，多囊及单囊变量进行卡方检验提示两组之间差异存在统计学意义(χ2=0.122，P=0.727)(表1)。

纹理特征对浆液性囊腺瘤及黏液性囊腺瘤T1加权图像进行纹理特征分析显示，对比度(U=115.000，P=0.003)、逆差距(t=3.025，P=0.004)差异均有统计学意义(表2)。ROC曲线分析显示对比度、逆差距曲线下面积分别为0.760、0.736，其最佳诊断临界值分别为13.578、0.317(表3)。

T2WI：T2加权图像；T1WI：T1加权图像

T2WI：T2-weighted image；T1WI：T1-weighted image

图1在T2WI(A)及T1WI(B)图像上放置感兴趣区测量胰腺囊腺瘤的纹理特征

Fig1The region of interest was placed to measure the texture parameters on the T2WI(A) and T1WI(B)

表 1 24例浆液性囊腺瘤及20例黏液性囊腺瘤患者临床病理特征及人口统计学比较Table 1 Comparisons of demographic and clinicopathological features between 24 patients with serous cystadenoma and 20 patients with mucinous cystadenoma

a卡方检验；b曼-惠特尼秩和检验

aChi-square test；bMann-WhitneyUtest

表 2 24例浆液性囊腺瘤及20例黏液性囊腺瘤T1WI序列5个纹理特征参数比较Table 2 Comparisons of five texture parameters of T1WI between 24 patients with serous cystadenoma and 20 patients with mucinous cystadenoma

a曼-惠特尼秩和检验

aMann-WhitneyUtext

对浆液性囊腺瘤和黏液性囊腺瘤T2加权图像纹理特征分析显示，对比度(U=74.000，P=0.000)、自相关(U=86.000，P=0.000)、逆差距(t=2.345，P=0.024) 差异均有统计学意义(表4)。ROC曲线分析显示对比度、自相关、逆差距曲线下面积分别为0.846、0.821、0.746，其最佳诊断临界值分别为40.891、0.008、0.248(表3)。

将对比度(T1WI)、逆差距(T1WI)、对比度(T2WI)、自相关(T2WI)、逆差距(T2WI)5个差异存在统计学意义的纹理特征参数为自变量，进行二元Logistic回归分析并得到最终回归模型，p=1/1+e-[2.418-0.019对比度(T2WI)-0.040对比度(T1WI)][对比度(T2WI)∶T2加权图像纹理特征参数对比度；对比度(T1WI)∶T1加权图像纹理特征参数对比度]，44例浆液性囊腺瘤及黏液性囊腺瘤鉴别中预测的准确率为79.5%。按照临床实际要求取假阳性率R=10%后求得诊断点为0.538，如果P> 0.538诊断黏液性囊腺瘤，P<0.538诊断浆液性囊腺瘤。进入Logistic回归模型变量的ROC曲线下面积为0.879(表4、5)。

表 3 受试者工作特征曲线中浆液性囊腺瘤与黏液性囊腺瘤对比度、自相关、逆差距及Logistic回归模型的分析结果Table 3 Receiver operating characteristic curve analysis of the texture contrast，correlation，inverse difference moment，

表 4 24例浆液性囊腺瘤及20例黏液性囊腺瘤T2WI序列5个纹理特征参数比较Table 4 Comparisons of five texture parameters of T2WI between 24 patients with serous cystadenoma and 20 patients with mucinous cystadenoma

a曼-惠特尼秩和检验

aMann-WhitneyUtext

表 5 浆液性囊腺瘤与黏液性囊腺瘤Logistic回归分析结果Table 5 Binary Logistic regression analysis between serous and mucinous cystadenoma

病例分析患者一，女性，36岁，阵发性腹痛3 d，MRI平扫胰腺体尾部类圆形长T1长T2信号病灶，对病灶ROI进行手动分割并提取5个纹理特征参数值，差异有统计学意义的对比度(T2WI)=13.812、自相关(T2WI)=0.003、逆差距(T2WI)=0.638，对比度(T1WI)=13.032、逆差距(T1WI)=0.566，将对比度(T1WI)、对比度(T2WI)带入Logistic回归模型，P=0.836(>0.538)，对应结果诊断黏液性囊腺瘤，与本病例手术病理结果一致(图2A、2B)。患者二，女性，48岁，发现胰腺体部病变伴腹胀6年，MRI平扫胰腺体部见类圆形长T1长T2信号病灶，对病灶ROI进行手动分割并提取5个纹理特征参数值，其中差异有统计学意义的对比度(T2WI)=114.911、自相关(T2WI)=0.002、逆差距(T2WI)=0.071，对比度(T1WI)=31.478、逆差距(T1WI)=0.246，将对比度(T1WI)、对比度(T2WI)带入Logistic回归模型，P=0.264(<0.538)，本例结果诊断浆液性囊腺瘤，与手术病理结果一致(图2C、2D)。

讨 论

胰腺囊性肿瘤中，浆液性囊腺瘤最常见，属胰腺良性肿瘤，极少数报道为恶性，临床定期复查即可；而黏液性囊腺瘤具有高度潜在恶变可能，需积极采取手术治疗，因此两者的鉴别有较高的临床价值[4]。黏液性囊腺瘤内壁为分泌黏液的柱状上皮细胞，因此囊内含黏液样物质，而浆液性囊腺瘤囊液呈清亮液体，内镜下分穿刺进行囊液分析有助于鉴别，但临床上难以常规应用[5]。纹理特征是图像内在的属性特征，尽管不同的疾病因具有相同的影像表现而难以鉴别，但其图像的纹理特征可能存在差异[6- 7]。本研究根据两者囊内容物的不同，通过纹理特征分析技术将肿瘤囊性部分T1WI和T2WI图像的灰度值转化为纹理信息，进而达到浆液性囊腺瘤与黏液性囊腺瘤相鉴别的目的。

图像纹理特征是对图像中的像素空间分布信息进行定量描述，将医学图像的灰度转换成纹理信息进行表达，有助于发现更多肉眼无法识别的潜在信息，为临床疾病的诊断提供参考[8]。目前图像纹理分析已部分应用于临床疾病的诊断，各系统疾病均有相关研究报道[9- 12]。灰度共生矩阵是常用的纹理特征提取方法，它反映的是图像两点灰度之间在方向、间隔及变化幅度的相关性，更直观表达图像区域纹理的统计及空间属性[13]。本研究主要选取的参数有能量、对比度、自相关、逆差矩、熵及d=1、θ=0一个参数，薄华等[14]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地表达图像的纹理特征。

图2两病变均为胰腺体部T1WI低信号T2WI高信号病变(A、C为T2WI图像，B、D为T1WI图像)，经纹理分析代入Logistic回归模型，第1个病变(A、B)提示为黏液性囊腺瘤，第2个病变(C、D)提示为浆液性囊腺瘤，均与病理诊断相符合

Fig2Two lesions on the pancreatic body presented hypointensity on T1WI and hyperintensity on T2WI(A and C，T2WI；B and D，T1WI)；the texture parameters were placed into the model of Logistic regression，and the result suggested that the first lesion(A，B) could be considered as mucious cystadenoma and the second lesion(C，D) as serous cystadenoma，which were consistent with the pathologic diagnoses

本研究在对44例浆液性囊腺瘤和黏液性囊腺瘤患者MRI图像形态学对比观察发现，两者瘤体直径差异存在统计学意义，黏液性囊腺瘤瘤体直径较大，部分直径超过10 cm，与既往文献报道相一致[15]。浆液性囊腺瘤多囊型多呈蜂窝状小囊，而黏液性囊腺瘤多为大囊，分隔清晰，而单囊型病例两者形态学观察无差异，卡方检验提示多囊及单囊变量在两组之间差异无统计学意义，因此，本组病例形态学的观察难以区分浆液性囊腺瘤和黏液性囊腺瘤。纹理特征分析技术的临床应用为两者的鉴别诊断提供了契机。

本研究在胰腺浆液性囊腺瘤与黏液性囊腺瘤的囊性部分在T1WI图像中所提取的5个图像纹理参数中，仅对比度、逆差距差异有统计学意义(P<0.05)。对比度反映图像清晰度和纹理沟纹深浅程度，对比度越大其纹理沟纹越深；逆差距度量图像纹理的规则程度，其值大则纹理规律性强，分布规则。本研究黏液性囊腺瘤对比度值小于浆液性囊腺瘤，逆差距值大于浆液性囊腺瘤，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，黏液性囊腺瘤囊内含黏液样物质较浆液性囊腺瘤的清亮液体黏稠，其纹理特征较浆液性囊腺瘤呈视觉效果欠清晰、纹理沟纹浅、区域间纹理缺少变化、纹理规律性强的特点[16]。

在T2WI图像中所提取的5个图像纹理参数中，对比度、自相关、逆差距差异均有统计学意义(P<0.05)。结合T1加权成像纹理特征分析提示黏液性囊腺瘤在T1WI、T2WI图像上提取的纹理特征参数对比度值均小于浆液性囊腺瘤，逆差距均大于浆液性囊腺瘤，其纹理特征参数差异的一致性可能与其病变组织内在结构有关，不会因MRI序列不同而产生差异。同时黏液性囊腺瘤T2WI中差异存在统计学意义的自相关值大于浆液性囊腺瘤，自相关反映图像纹理相似度及图像中局部灰度相关性，表明与浆液性囊腺瘤相比，黏液性囊腺瘤还具有纹理波动程度小、相似度高的特点。

为了评估对比度(T1WI)、逆差距(T1WI)、对比度(T2WI)、自相关(T2WI)、逆差距(T2WI)5个纹理特征参数在囊腺瘤鉴别中的诊断价值，笔者进行ROC曲线分析，根据曲线的形状和曲线下面积作定量评估。ROC曲线上每一个操作点代表了特定截点值敏感性和特异性的组合，最靠近左上角的点即为最佳诊断临界值，该诊断点的漏诊率和误诊率之和最小，通过敏感性和特异性之和最大可以确定最佳诊断临界值[17]。本研究显示基于T2WI图像的纹理特征参数的曲线下面积、敏感性及特异性大于T1WI，表明T2WI图像提取的纹理特征参数诊断效能优于T1WI图像，尤其T2WI图像的纹理特征参数对比度及自相关曲线下面积分别为0.846、0.821，明显大于其他纹理特征参数，ROC曲线下面积值在0.5～1.0，当曲线下面积越接近1.0其诊断准确性越高，表明这两个纹理特征参数在鉴别中有较高的诊断价值，同时通过计算得到的最佳诊断临界值，可以对浆液性囊腺瘤和黏液性囊腺瘤进行预判。

将差异有统计学意义的纹理特征参数进行Logistic回归分析，所得到的最终回归模型在44例浆液性囊腺瘤及黏液性囊腺瘤鉴别中预测的准确率为79.5%，表明该Logistic回归模型在对照组中具有较高准确性。ROC分析显示曲线下面积为0.879，大于其他单因素曲线下面积，其敏感性为0.900、特异度为0.792，表明Logistic回归模型的诊断效能明显优于其他单因素的纹理分析，可以用于浆液性囊腺瘤和黏液性囊腺瘤的鉴别诊断。

本研究存在一定的不足之处：(1)样本量偏小；(2)仅纳入常规T1加权及T2加权图像进行纹理特征分析，在后期的研究可以纳入其他序列图像进行综合分析。

综上，基于磁共振T1加权和T2加权图像的纹理特征分析可以有效鉴别胰腺浆液性囊腺瘤及黏液性囊腺瘤。

[1] Adsay NV. Cystic neoplasia of the pancreas：pathology and biology[J]. J Gastrointest Surg，2008，12(3)：401- 404. DOI：10. 1007/s11605- 007- 0348-z.

[2] 张蕊，彭晓刚，赵雪峰，等. 磁共振在胰腺囊性肿瘤鉴别诊断中的价值[J]. 中国临床医学影像杂志，2016，27(2)：110- 113.

[3] 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. DOI：10. 3321/j. issn：1001- 0580. 2003. 09. 078.

[4] Bi Y，Xie BJ. The diagnostic value of multislice CT in cystic neoplasms of the pancreas [J]. Chin J Gastroenterol Hepatol，2014，23(2)：234- 237.

[5] 赵义军，耿小平. 胰腺囊腺瘤的诊治进展[J]. 肝胆外科杂志，2015，23(2)：152- 154.

[6] 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. DOI：10. 3969/j. issn. 1002- 3208. 2010. 03. 03.

[7] Bastidas-Rodriguez MX，Prieto-Ortiz FA，Espejo E. Fractographic classification in metllic materials by using computer vision[J]. Eng Fail Anal，2016，59：237- 252. DOI：10. 1016/j. engfailanal. 2015. 10. 008.

[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] Zhang Y. MRI texture analysis in multiple sclerosis[J]. Int J Biomed Imaging，2012，2012(2)：762804. DOI：10. 1155/2012/762804.

[10] Chen Z，Chen X，Liu M，et al. Texture features of periaqueductal gray in the patients with medication-overuse headache[J]. J Headache Pain，2017，18(1)：14. DOI：10. 1186/s10194- 017- 0727- 0.

[11] 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[J]. 中国医学科学院学报，2017，39(2)：169- 176. DOI：10. 3881/j. issn. 1000- 503X. 2017. 02. 002.

[12] Holli K. Texture analysis as a tool for tissue characterization in clinical MRI[J]. Plos One，2011，8(12)：e84744- e84744.

[13] 刘延彤，李茂星，叶建军. 计算机辅助诊断在医学影像诊断中的新进展[J]. 西北国防医学杂志，2006，27(6)：450- 451. DOI：10. 3969/j. issn. 1007- 8622. 2006. 06. 017.

[14] 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. DOI：10. 3321/j. issn：0372- 2112. 2006. 01. 032.

[15] 郝敬军，赵林，庄伟雄，等. 胰腺浆液性囊腺瘤与黏液性囊腺瘤的CT诊断与鉴别[J]. 医学影像学杂志，2017，27(2)：273- 276.

[16] 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. DOI：10. 2967/jnumed. 111. 099127.

[17] 孙振球. 医学统计学 [M]. 2版. 北京：人民卫生出版社，2005：663- 667.