APP下载

MRI图像纹理分析在高级别和低级别脑膜瘤鉴别诊断中的价值分析

2019-10-23李彦龙刘连锋马旭阳唐敏丽

中国医学装备 2019年10期
关键词:脑膜瘤直方图灰度

张 媛 李彦龙 刘连锋 张 涛 张 飞 马旭阳 唐敏丽 吕 琳

作为临床常见的一种非神经上皮来源的颅脑肿瘤,脑膜瘤在全部颅脑肿瘤中的占比约为30%[1]。根据世界卫生组织提出的中枢神经系统肿瘤分类标准,将脑膜瘤分为Ⅰ级、Ⅱ级和Ⅲ级[2]。在病理学分级上,多数脑膜瘤为Ⅰ级,即低级别,属于良性,但仍有6%~10%的脑膜瘤患者为Ⅱ~Ⅲ级,即高级别,属于恶性,此类患者术后肿瘤易复发及转移,对患者的生命安全造成极大的威胁[3]。

纹理分析是采用科学的图像处理技术对纹理特征参数进行提取,并采用数学方法对图像的像素强度与空间分布特点进行分析,可提高更多的定量信息[4-6]。纹理分析应用于鉴别和诊断肿瘤患者的病理分级及预后状况的评估,但目前有关其应用于鉴别脑膜瘤患者术前病理分级的相关研究报道并不多见[7-8]。为此,本研究回顾性分析探讨磁共振成像(magnetic resonance imaging,MRI)图像纹理分析在高级别和低级别脑膜瘤鉴别诊断中的价值。

1 资料与方法

1.1 一般资料

回顾性收集2015年1月至2018年9月延安大学咸阳医院收治的均经手术病理证实的90例术前行常规MRI检查的脑膜瘤患者的临床资料,根据病理分级情况将其分为低级别组(73例)和高级别组(17例)。低级别组病理分级为Ⅰ级,其中男性32例,女性41例;年龄31~82岁,平均年龄(55.98±10.03)岁;肿瘤直径10~72 mm,平均直径(48.09±9.85)mm;肿瘤部位处于额部27例、顶部16例、枕部2例、颞部9例、小脑幕区5例、鞍区2例、桥小脑角区3例、蝶骨嵴5例以及岩斜区4例。高级别组病理分级为Ⅱ~Ⅲ级(包括Ⅱ级16例,Ⅲ级1例)。其中男性6例,女性11例;年龄29~80岁,平均年龄(54.36±9.78)岁;肿瘤直径12~70 mm,平均直径(49.97±10.35)mm;肿瘤部位处于顶部5例、颞部2例、枕部3例、额部4例、小脑幕区1例、鞍区1例以及蝶骨嵴1例。两组患者在性别、年龄、肿瘤直径及肿瘤部位的比较无明显差异,具有可比性。

1.2 仪器设备

采用Verio 3.0T型超导型MRI扫描仪(德国Siemens公司)。

1.3 检查方法

取正交头颅线圈,先行常规MRI扫描,各序列包括T1加权像(T1-weighted image,T1WI)、T2加权像(T2-weighted image,T2WI)、弥散加权成像、液体衰减反转恢复(fluid-attenuated inversion recovery,FLAIR)序列。对扫描参数进行设置:①T1WI,重复时间200 ms,回波时间2.50 ms,层厚5 mm,层间距1 mm,视野240 mm×240 mm;②T2WI,重复时间4000 ms,回波时间93 ms;③DWI,重复时间2800 ms,回波时间90 ms;④FLAIR序列,重复时间9000 ms,回波时间93 ms,b值取0、1000 s/mm2。随后行增强扫描,分别行冠状位、矢状位及轴位T1WI扫描,扫描参数设置为重复时间450 ms,回波时间9 ms,层厚5 mm,层间距1 mm,视野250 mm×250 mm。以钆喷替酸葡甲胺为造影剂,经肘静脉注入0.10 mmol/kg。

1.4 图像处理

于MRI图像上,通过Image J软件对肿瘤最大径层面的感兴趣区进行勾画,注意避开水肿区,去除增强、静脉窦、大血管及伪影的脑膜,并将出血、囊变及坏死区去除。由2名医学影像科医师在不知患者病理结果的情况下进行图像处理和分析。

1.5 图像纹理分析

采用Image J软件,对增强T1WI、T2WI、表观扩散系数(apparent diffusion coefficient,ADC)、FLAIR序列图像感兴趣区域(region of interest,ROI)中的直方图与灰度共生矩阵的参数进行测量。各ROI均测量3次,取其均值为最终所测值。直方图参数包括最小值、最大值、标准差、偏度值及峰度值;灰度共生矩阵参数包括熵值、对比度及灰度共生矩阵的角秒矩(angular second moment,ASM)能量。

取具有统计学意义的指标绘制受试者工作特征(receiver operating characteristic,ROC)曲线,分析ROC曲线下面积(area under curve,AUC)各参数对脑膜瘤术前病理分级的诊断价值,计算各参数诊断脑膜瘤术前病理分级的灵敏度和特异度。

1.6 统计学方法

将相关数据录入SPSS23.0版统计学软件,符合正态分布的计量资料用均数±标准差表示,组间比较采用独立样本t检验,符合非正态分布的计量资料采用中位数进行表示,组间比较采用秩和检验;计数资料的比较则用x2检验,以P<0.05为差异有统计学意义。

表1-1 两组患者MRI图像中直方图参数的比较

表1-2 两组患者MRI图像中直方图参数的比较

表1-3 两组患者MRI图像中直方图参数的比较

2 结果

2.1 两组患者MRI图像中直方图参数的比较

高级别组T2WI和FLAIR序列的最大值明显高于低级别组,两组比较差异有统计学意义(t=2.45,t=3.38;P<0.05);T2WI、ADC和FLAIR序列的标准差明显高于低级别组,差异有统计学意义(t=2.89,t=2.29,t=4.98;P<0.05);ADC和FLAIR序列的偏度值明显高于低级别组,差异有统计学意义(t=9.96,t=24.53;P<0.05),而其他直方图参数的比较无明显差异(P>0.05),见表1。

2.2 两组患者MRI图像中灰度共生矩阵参数的比较

相比低级别组,高级别组T1WI、T2WI、ADC及FLAIR序列的熵值明显升高(t=4.62,t=3.00,t=3.42,t=2.93;P<0.05),T2WI序列的ASM能量值明显下降(P<0.05),而其他序列灰度共生矩阵参数的比较并无明显差异,见表2。

表2-1 两组患者MRI图像中灰度共生矩阵参数的比较

表2-2 两组患者MRI图像中灰度共生矩阵参数的比较

2.3 MRI图像参数对鉴别脑膜瘤术前分级的诊断效能

对表1和表2中具有统计学意义的指标行ROC曲线分析,其AUC值高于0.70的参数包括ADC序列的偏度值、T2WI及ADC序列的熵值,三者联合检测的AUC值为0.84,此时鉴别和诊断不同级别脑膜瘤的灵敏度为75.34%,特异度为88.24%。见表3和图1。

表3 MRI图像直方图与灰度共生矩阵参数对鉴别脑膜瘤术前分级的诊断效能

图1 MRI图像参数对鉴别脑膜瘤术前分级的ROC曲线

3 讨论

因脑膜瘤发生部位的不同,与脑膜和脑组织紧密程度亦有差异,并非全部脑膜瘤均可被完全切除。临床医师在术前难以有效评估不同脑膜瘤的病理分级,且术前常规MRI的形态学改变对脑膜瘤分级的评估作用并不明显。与常规影像相比,纹理分析受影像科医师的个人经验和主观因素的干扰较小,可为临床提供影像科医师经肉眼不易观察到的病变图像客观信息,因此具有潜在的临床应用前景。

本研究通过图像纹理分析的角度定量分析脑膜瘤患者术前常规MRI图像,对肿瘤异质性进行评估,旨在提高鉴别和诊断脑膜瘤病理分级的能力,从而为临床鉴别、诊断及治疗,特别是手术切除方案的选择提供重要的影像学信息。本研究中相比低级别组,高级别组T2WI、ADC和FLAIR序列的标准差明显升高,究其原因可能因脑膜瘤级别越低,其实质成分较均匀,从而其所测的标准差值较小;而脑膜瘤级别越高,其实质成分越复杂,越不均匀,且异质性越大,因此其实质部分所测的MRI图像标准差值越大。国外研究表明,标准差值越大,表明肿瘤的异质性越大,这与本研究结果相符[9]。

近期国内研究表明,ADC全域直方图参数中的偏度值在鉴别脑转移瘤与胶质母细胞瘤方面的ROC曲线下面积为0.66,灵敏度为60.7%,特异度为60.0%[10]。本研究发现,相比低级别组,高级别组ADC和FLAIR序列的偏度值明显升高;经ROC曲线分析结果显示,偏度值对脑膜瘤患者术前分级的评估具有一定的诊断效能,其临界值为1.97,此时对应的灵敏度为71.23%,特异度为70.59%。偏度的绝对值越大,表明其分布形态的偏斜程度越大[11]。大多数脑膜瘤为实质性肿块,包膜完整,经颈外动脉单独或参与供血,具有丰富的血供,部分肿瘤可伴有囊变、出血、坏死以及多发钙化[12]。尽管本研究在感兴趣区的选取上为脑膜瘤的实性部分,且避开常规MRI图像上可见的出血、坏死及囊变区,但需要指出的是,在病理切片上,高级别的脑膜瘤实性部分可能存在极其微小的坏死和囊变区,而这些微小坏死和囊变在常规MRI图像上并不能经肉眼所区分。因此,根据体素的ADC偏度值可反映且放大脑膜瘤不同病理级别之间的差异性。直至目前,有关偏度值在鉴别脑膜瘤术前分级方面的研究报道较为少见,但有国外研究表明,相比低级别的胶质瘤患者,高级别患者偏度值明显增大[13],这与本研究结果有相似之处。

除偏度值外,本研究发现熵值亦是鉴别脑膜瘤术前分级的重要MRI影像学参数。本研究结果显示,相比低级别组,高级别组T1WI、T2WI、ADC及FLAIR序列的熵值明显升高;本研究经ROC曲线分析结果显示,T2WI和ADC序列的熵值在鉴别高级别与低级别脑膜瘤方面的诊断效能较高,其AUC值分别为0.78和0.71,灵敏度分别为86.30%和60.27%,特异度分别为64.71%和82.35%。Park等[14]和Dercle等[15]研究认为,熵值大小与肿瘤异质性密切相关,熵值越大表明肿瘤异质性越高,这与本研究结果相符。

本研究将ADC序列的偏度值、T2WI和ADC序列的熵值进行联合分析,结果发现三者联合检测的AUC值为0.84,此时鉴别和诊断不同级别脑膜瘤的诊断效能明显升高,其灵敏度为75.34%,特异度为88.24%,表明ADC序列的偏度值、T2WI和ADC序列的熵值在鉴别脑膜瘤术前分级方面具有较高的诊断效能,且三者联合检测可有效提高对鉴别高级别与低级别脑膜瘤的诊断价值,可克服单序列、单参数分析对肿瘤全面评估的局限性,而多序列、多参数可更为准确、全面地评估肿瘤特点,提高鉴别肿瘤分级的诊断效能,因此建议临床中采取多序列和参数纹理分析的方法。

MRI图像纹理分析可为临床应用提供更多定量信息[16]。直方图中的偏度值和灰度共生矩阵中的熵值可用于鉴别和诊断脑膜瘤的病理分级,且多序列、多参数联合检测具有较高的诊断效能。

猜你喜欢

脑膜瘤直方图灰度
符合差分隐私的流数据统计直方图发布
采用改进导重法的拓扑结构灰度单元过滤技术
Bp-MRI灰度直方图在鉴别移行带前列腺癌与良性前列腺增生中的应用价值
基于FPGA的直方图均衡图像增强算法设计及实现
如何治疗脑膜瘤?
磁共振扩散加权成像在脑膜瘤分级诊断中的意义研究
Arduino小车巡线程序的灰度阈值优化方案
脑膜瘤组织中相关分子标志物表达与预后的关系
用直方图控制画面影调
中考频数分布直方图题型展示