基于弥散加权成像与扩散峰度成像的纹理分析鉴别肝脏实性占位良恶性的诊断价值

高新荣，张 林

(石河子大学医学院第一附属医院，新疆 石河子 832000)

肝脏占位性病变是常见病、多发病，严重威胁人体健康，肝脏恶性肿瘤死亡率排名第三位，且近年来发病率、病死率呈逐年上升趋势，故肝脏占位性病变早发现是治疗的关键[1]。MRI检查是鉴别肝脏局灶性病变性质的常用影像学手段，常规MRI检查仍存在漏诊、误诊情况[2]。肝脏病变的评估和治疗是临床常见问题，高效精准的诊断有助于提高诊断效能，因此有必要探讨鉴别肝脏局灶性良恶性病变性质的有效途径。弥散加权成像(DWI)作为一种能够检测活体组织中水分子扩散运动状态的无创方法，能反映活体组织水分子的微观运动(布朗运动)，是磁共振功能成像技术之一。弥散峰度成像(DKI)作为一种新的功能磁共振成像技术，已应用于腹盆腔多种脏器的检查[3-4]。目前在影像医学方面，疾病的诊断全依靠人工，但影像数据库大，人工效率低。纹理分析(TA)是医学影像学近年来才发展起来的评价。肿瘤异质性的新工具，能对人眼无法观察到的微小异常进行检测，进而帮助肿瘤准确诊断[5]。

1 资料与方法

1.1一般资料：前瞻性收集2020年8月～2021年10月石河子大学医学院第一附属医院怀疑有肝脏占位的患者。所有患者均行常规核磁扫描、DKI扫描(DKI扫描选择3个b值，15个方向的扫描序列)。纳入标准：①患者临床治疗完整，并且签署知情同意书，所有的肝细胞癌、胆管癌、肝腺瘤、局灶性结节增生均经手术或活检证实，海绵状血管瘤等良性病变是根据典型的MR影像特征诊断；②未经介入、放疗、化疗治疗者。排除标准：①制动性差，配合不良的患者；②有MRI检查禁忌证、幽闭恐惧症的患者。

1.2检查方法：使用美国GE公司3.0T高场磁共振成像仪(Discovery MR 750；General Electric Medical Systems，Milwaukee，Wisconsin)和配套的体部线圈，需进行轴位、冠状位扫描。肝脏扫描前应禁食禁水4 h。观察取体部呼吸最明显位置，外加呼吸门控，磁体上的呼吸显示上下波动幅度要超过全长的1/3。确保肝脏位于线圈的中心，保证图像清晰度质量。

1.3图像后处理：所采集的DWI和DKI图像采用GE MR ADW4.6工作站的Functool软件进行图像后处理，得到所有患者肿瘤至少三个层面的未经处理原始ADC、MK、MD图像。并由两位副主任级别影像诊断医师指导，用MaZda软件(Version4.5)勾画ROI。ROI囊括整个实性占位，排除出血、坏死、囊变区，避开实性占位周围的大血管、胆管。获得ROI的纹理数据，然后对ROI内的纹理特征及相对应的纹理参数进行提取。自每张图像的ROI生成的基于灰度直方图、灰度共生矩阵、游程矩阵、梯度模型的纹理特征等，其中来自灰度直方图有9个参数，分别为平均值(mean)、方差(variance)、偏度系数(skewness)、峰度系数(kurtosis)、第1到99百分位数(1th-99th percentile)；来自灰度共生矩阵有角二阶矩阵(AngScMom)、对比度(contrast)、自相关性(correlat)、平方和(SumOfSqs)、逆差距(InvDfMom)、总和平均值(SumAverg)、和方差(SumVarnc)、和熵(SumEntrp)、熵(entropy)、差方差(DifVarnc)、差分熵(DifEntrp)等参数，这些参数在空间向量的不同距离中出现；来自灰度游程矩阵的参数有游程长度不均匀性(RLNonUni)、灰度不均匀性(GLevNonU)、长游程强调(LngREmph)、短游程强调(ShrtREmp)、分离程度(Fraction)等参数，这些参数分别在水平方向、垂直方向、45°方向以及135°方向上出现。尽管不同的纹理特征可量化分析图像中不同的纹理信息，但并非所有纹理信息均可用来鉴别诊断肝脏实性占位良恶性，因此需要去除冗余特征，筛选出有分类价值的纹理特征。本研究采用Logistic方法筛选变量并建立分类模型。使用Logistic回归模型分别对MRI图像DWI和DKI参数所提取出的纹理特征进行筛选，将选取的特征乘以对应的加权系数所形成的表达式依次作为每个病灶MRI图像的联合纹理参数的分类模型。

2 结果

2.1一般资料分析：此研究期间共收集72例患者，其中16例不符合纳入标准被排除，56例经临床病理学确诊或符合影像学诊断标准，共计纳入67个病灶，其中恶性组病灶38个，良性组病灶29个。良性组患者年龄29～75岁，平均为(58.34±5.34)岁，恶性组患者年龄46～82岁，平均(60.01±7.89)岁，差异无统计学意义(P>0.05)。本次研究经过本院医学伦理委员会同意。

2.2良恶性病灶各参数内特征的比较

2.2.1肝脏实性占位ADC图像纹理特征单因素分析：对良恶性病灶ADC参数内的77个纹理特征参数进行单因素分析，结果显示在ADC参数中筛选中51个纹理变量具有统计学差异(P<0.05)，具体为Mean、Variance、Skewness、Kurtosis、Perc.01%、Perc.10%、Perc.50%、S(1，0)SumOfSqs、S(1，0)SumAverg、S(1，0)SumVarnc、S(1，0)DifVarnc、S(0，1)AngScMom、S(0，1)Contrast、S(0，1)SumOfSqs、S(0，1)SumAverg、S(0，1)SumVarnc、S(0，1)DifVarnc、S(0，1)DifEntrp、S(1，1)AngScMom、S(1，1)Contrast、S(1，1)SumOfSqs、S(1，1)SumAverg、S(1，1)SumVarnc、S(1，1)DifVarnc、S(1，1)DifEntrp、S(1，-1)AngScMom、S(1，-1)Contrast、S(1，-1)SumOfSqs、S(1，-1)SumAverg、S(1，-1)SumVarnc、S(1，-1)DifVarnc、Horzl_RLNonUni、Horzl_GLevNonU、Horzl_LngREmph、Horzl_ShrtREmp、Vertl_RLNonUni、Vertl_GLevNonU、Vertl_LngREmph、Vertl_ShrtREmp、45dgr_RLNonUni、45dgr_GLevNonU、45dgr_LngREmph、45dgr_ShrtREmp、45dgr_ShrtREmp、135dr_GLevNonU、135dr_LngREmph、135dr_ShrtREmp、GrMean、GrVariance、GrSkewness、GrKurtosis。见表1。

表1 肝脏实性占位ADC图像纹理特征单因素分析

续表1 肝脏实性占位ADC图像纹理特征单因素分析

2.2.2良恶性病灶ADC 图像参数纹理特征的Logistic比较：对良恶性病灶ACD参数筛选出具有统计学意义的纹理特征进行组内Logistic分析，结果显示ADC图像纹理特征Perc.10%、Horzl_ShrtREmp对预测肝脏实性占位良恶性有统计学意义(P<0.05)。见表2。预测模型的回归方程如下：ADC=8.795+0.036×Perc.10%-15.948×Horzl_ShrtREmp。

表2 良恶性病灶ADC功能图纹理特征的Logistic分析

2.2.3肝脏实性占位MD参数纹理特征单因素分析：对良恶性病灶MD图的77个纹理特征参数进行单因素，在MD图纹理参数中筛选出32个纹理变量，具体为Variance、Skewness、Perc.90%、S(1，0)SumVarnc、S(1，0)SumEntrp、S(0，1)SumVarnc、S(0，1)SumEntrp、S(1，1)Contrast、S(1，1)SumOfSqs、S(1，1)SumVarnc、S(1，1)DifVarnc、S(1，-1)Contrast、S(1，-1)SumOfSqs、S(1，-1)SumVarnc、S(1，-1)SumEntrp、Horzl_GLevNonU、Horzl_LngREmph、Horzl_ShrtREmp、Vertl_GLevNonU、Vertl_LngREmph、Vertl_ShrtREmp、45dgr_GLevNonU、45dgr_LngREmph、45dgr_ShrtREmp、135dr_GLevNonU、135dr_LngREmph、135dr_ShrtREmp、135dr_Fraction、GrMean、GrSkewness、GrKurtosis、GrNonZeros。详情见表3。

表3 肝脏实性占位MD参数纹理特征单因素分析

2.2.4肝脏实性占位MD参数中纹理特征的Logistic比较：对良恶性病灶MD参数筛选出具有统计学意义的纹理特征进行组内Logistic分析，结果显示纹理特征S(0，1)SumEntrp、S(1，-1)SumEntrp、135dr_Fraction对预测MD值有统计学意义(P<0.05)。见表4。预测模型的回归方程如下：MD=10.717+153.883×S(0，1)SumEntrp-135.030×S(1，-1)SumEntrp-53.449×135dr_Fraction。

表4 良恶性病灶MD功能图纹理特征的Logistic分析

2.2.5肝脏实性占位MK参数纹理特征单因素分析：在MK参数中筛选中9个有统计学差异的纹理变量，包括Kurtosis、Horzl_GLevNonU、Horzl_ShrtREmp、Vertl_GLevNonU、Vertl_LngREmph、45dgr_GLevNonU、45dgr_LngREmph、135dr_GLevNonU、135dr_LngREmph。详情见表5。

表5 肝脏实性占位MK参数纹理特征单因素分析

2.2.6肝脏实性占位MK参数中纹理特征的Logistic比较：对良恶性病灶MK参数筛选出具有统计学意义的纹理特征进行组内Logistic分析，结果显示MK参数中纹理特征Vertl_LngREmph对预测肝脏实性占位良恶性有统计学意义(P<0.05)。见表6。预测模型的回归方程如下：MK=-0.992+0.180×Vertl_LngREmph。

表6 良恶性病灶MK功能图纹理特征Logistic分析

2.3肝脏实性占位各参数鉴别肝脏实性占位良恶性单因素分析：根据上述回归方程，计算ADC、MK、MD模型的值，单因素分析结果显示差异均有统计学意义(P<0.05)。见表7。

表7 肝脏实性占位各参数中纹理特征单因素分析

2.4基于纹理分析的各参数特征预测良恶性病灶的诊断效能分析：ADC、MK、MD模型的ROC曲线的AUC分别为0.851(0.751，0.950)、0.750(0.621，0.881)、0.951(0.892，1.000)。见表8。

表8 DWI与DKI功能图纹理分析鉴别肝脏实性占位良恶性的ROC 曲线分析

3 讨论

近年来，基于超声、计算机断层扫描和磁共振成像(MRI)等多种成像方法的纹理分析鉴别诊断肝脏局灶病变的良恶性被广泛研究[6]。Mayerhoefer研究[7]发现，对MRI图像进行纹理分析可以鉴别肝囊肿与肝血管瘤。Raman研究[8]显示基于CT图像的纹理分析区分肝脏病变类型，且具有较高的分类预测准确率。然而有关肝脏局灶病变的鉴别诊断，既往研究多是基于MRI平扫常规图像的纹理分析[9]，且鲜有研究报道应用基于功能MRI图像的纹理分析来鉴别肝脏局灶病变尤其是基于DKI的纹理分析。本文主要探索扩散峰度成像和弥散加权成像纹理特征在鉴别肝脏实性占位的良恶性的诊断价值。

本研究中对良恶性病灶ADC参数内的77个纹理特征参数进行单因素分析，该结果与Ye等人的研究[10]结果相似，大多数直方图特征和灰度共现矩阵特征在两组病理亚型之间有统计学意义。熵是无序的度量，值越高，异质性程度越大，另一方面，峰度是直方图峰值的度量，随着异质性的增加而降低[11]。平均值与整体亮度相关，与增强的信号强度呈正相关[12]。更亮像素数量的增加使直方图的尾部向右移动，从而导致正偏度。恶性病灶显示出更大的扩散限制，因此具有更高的平均值以及DWI的更多正偏度[13]，因此良性病灶主要以负偏态为主，恶性病变主要以正偏态为主。本研究中尽管恶性病灶和良性病灶熵值差异无显著差异，但恶性病灶的熵值较良性病灶高，与良性病灶相比，恶性病灶显示出较高的平均值，提示扩散限制大，考虑原因可能是恶性病灶更易发生坏死，在形态学成像上表现出更多的异质性，与国内外文献结果相似。

DKI是一种近几年用来探查非高斯分布的水分子扩散特征的新技术，对捕获组织微观结构复杂性较为敏感，被广泛用于探测组织微观结构的变化。DKI既可获得DTI的扩散系数，如FA、MD[14]，又可获得反映水分子扩散过程中非高斯分布的扩散峰度系数，如MK、Kr和Ka值[15]。本研究对DKI的主要量化参数分别进行纹理分析，筛选出对参数具有意义的纹理，再根据Logistic回归方程计算出各参数的值。结果显示MD参数纹理特征S(0，1)SumEntrp、S(1，-1)SumEntrp、135dr_Fraction对预测预测肝脏实性占位良恶性有统计学意义。SumEntrp是相邻体素灰度总和的随机性度量，已有研究提示此纹理可鉴定癌症的治疗效果[16]。

综上所述，基于DWI及DKI的纹理分析是鉴别肝脏实性占位良恶性的诊断手段，各参数敏感性、特异性、准确性存在差异，基于MD图的纹理分析较ADC、MK图的纹理分析诊断效能高。