CT纹理特征分析在孤立性肺结节诊断中的应用进展

王勇，刘彬

1 天津市滨海新区汉沽中医医院放射科 (天津 300480)；2 秦皇岛市第二医院医学影像科(河北秦皇岛 066600)

近年来，肺癌的患病率呈不断升高的趋势，其患病率和病死率均居全球癌症的首位[1]。绝大多数肺癌患者早期无明显症状，70%肺癌患者确诊时已进展至中晚期，预后质量较差，故早期发现和诊断肺癌成为临床研究的重点和难点[2]。孤立性肺结节(solitary pulmonary nodule，SPN)是一种常见的放射学征象，其恶性病变率约为40%[3]。常规胸部CT可通过结节的部位、大小、边缘、密度及周围结构等形态学征象鉴别其良恶性，但鉴别磨玻璃密度结节的难度较大。CT纹理特征分析(CT texture analysis，CTTA)是一种新型的CT图像处理技术，可通过定量分析病灶局部图像的像素灰度、灰度值的分布模式和变化规律来获取常规CT图像难以识别的信息，从而反映图像的本质差异[4]。CTTA作为影像组学的一部分，以其独特的优势被广泛应用于恶性肿瘤的早期诊断中。本研究对CTTA在SPN诊断中的应用进展综述如下。

1 SPN的定义、分类及生长方式

1.1 SPN的定义

SPN是指影像学表现为肺内单发的直径不超过3 cm的局灶性、圆形或类圆形密度增高的实性或亚实性阴影，不伴有邻近组织的炎性病变、淋巴结肿大、胸腔积液及肺不张等疾病[5]。

1.2 SPN的分类

从病理角度可将SPN划分为3种类型：先天性疾病或发育异常、感染性疾病、肿瘤或肿瘤样病变。随着影像学技术的不断进步，2011年国际肺癌研究协会、美国胸科学会、欧洲呼吸学会联合对肺癌进行了新的分类，即原位腺癌、微浸润腺癌及浸润性肺腺癌3种类型[6]。绝大多数肺腺癌患者的早期表现均为SPN，按照CT检测的结节密度又细分为纯磨玻璃结节、亚实性结节和实性结节。近年来，大量研究证实，SPN的大小、实性成分是鉴别肺腺癌的重要指标[7-8]，但在实践中发现，单纯从实性成分(如纯磨玻璃、亚实性结节)方面无法准确鉴别SPN是否为非浸润性，故仅凭借结节的大小、形态和密度无法对其进行定性。基于此，亟需寻找新的技术量化参数对SPN进行鉴别，以便为临床早期治疗肺癌提供指导。

1.3 SPN的生长方式

SPN的生长方式与其性质关系紧密，临床上通常使用生长率、倍增时间对SPN的生长方式进行评估。生长率是指任意两个时间点间SPN体积增长占比，其计算公式为(V2-V1)/[V1(T2-T1)]×100%，公式中的T1、T2分别表示两个时间节点的初始时间和终末时间，V1、V2则表示在相应时间测定的结节体积。对SPN体积进行测量前，先假设结节灶为规则的球形，然后取最大横截面，使用分规或游标卡尺通过正交直线法分别测量横径、矢状径，再计算其体积大小。国外研究人员长期跟踪研究的结果显示，不同性质SPN的生长率差异显著，恶性结节灶的生长率显著高于良性结节灶[9]。Ko等[10]的研究显示，SPN灶的生长位置存在差异也会导致其生长率不同，位于外周的结节灶生长率明显高于中央灶，而靠近胸膜的SPN灶生长率则显著高于远离胸膜组织灶。

倍增时间是指SPN结节体积增长1倍所耗费的时间，其计算公式为：t×log2/[3×(d2/d1)]，公式中的t表示两次检查间隔时间(d)，d1、d2分别表示首次(上次)测量SPN灶直径和最近测定SPN灶直径。倍增时间也是目前CT鉴别SPN良恶性的重要指标之一，业界普遍认为，良性结节灶的倍增时间约为6.4年，恶性结节灶的倍增时间在20～400 d[11]；相较于测定生长速率(growth rate，GR)，倍增时间的测定可更准确地反应SPN的生长速率。

2 SPN的CTTA

2.1 CTTA方法

CTTA属于CT图像后处理技术，是量化评估图像异质性的新型工具，主要是利用空间分布特点和像素灰度对图像进行数学分析，从而评估图像的异质性。放射组学分析可通过对描述获取图像灰度、结构、纹理及波形等属性特征进行描述，对病灶的特征进行评估；纹理特征是放射组学的四大定量特征之一，即在既定的局部区域中依据像素灰度的空间关系及相互作用能力，衡量病灶的异质性。

CTTA基本方法包括以下4种。(1)结构分析法：如分析结节灶边界规则，可选用结构分析法，但绝大多数的SPN灶均为不规则边界，故该方法应用极少。(2)模型分析法：若采集图像中的1个像素和邻近像素之间有线性或其他关联，则选用模型分析法分析，以数学模型作为纹理获得参数。(3)滤波法：包括频谱分析法、小波多尺度分析、Gabor滤波器等。(4)统计法：是利用对频率域或空间的统计分析获取纹理特征，特别适用于医学研究中的不规律型纹理，最常用的有灰度共生矩阵等。CTTA方法可依据SPN的不同特点进行选择。

2.2 CTTA的基本流程

2.2.1图像采集

CTTA对图像采集的要求较高，需先采集图像，再进行后处理重建。有资料显示，CT扫描重建技术对部分放射学特征有明显的影响[12-13]，故为避免外界因素影响结果、产生误差，在进行CTTA时，必须保持CT设备、成像方法与技术及后处理手段的一致性；此外，为了避免异质性发生，必须避免外科手术、放化疗等可对分析结果产生影响的因素。

2.2.2感兴趣区域的分割

所谓感兴趣区域(region of interest，ROI)分割是将研究对象从周围组织中提取、分离，继而提取特征，再对分割的病灶进行下阶段分析。ROI分割有手动、半自动和全自动之分[14]。其中手动的准确性最高，但对于大数据统计的纹理特征分析，劳动密集度较高，操作者无法始终保持一致性，因此适用性不强；半自动、全自动分割法准确、高效且一致性强。两种方法的不同在于，前者可能需要不同的操作者对自动系统进行操作，后者则多是由指定1个操作者的定义作为分割起点，但目前尚未制定ROI分割标准指南，故普遍使用手动和半自动相结合的分割方法。

2.2.3特征的提取及量化

CTTA是指图像中相邻像素、体素的灰度强度改变，按照应用的技术和纹理特征有一、二阶统计度量。一阶统计度量主要描述像素-像素、体素-体素的灰度值变化，可在直方图中提取峰度、偏度、均匀性和标准差等度量值，用于鉴别结节灶良恶性，但无法体现图像中绘图方向、空间位置的改变；二阶统计度量则是评估整个结节病灶或ROI和邻近像素、体素的关系，从而导出包括图像灰度强度、方向及空间位置等的变化。CT纹理特征的纹理是指分析灰度值相邻像素来确定其关系，若相邻像素灰度量差异较大，则表示其均匀性较差。

2.2.4基于CTTA和病理信息构建的模型

先使用验证组的数据对构建模型的准确性进行评估，再选择具有高效能的预测模型对结节灶进行评估预测。目前，无论是关于SPN还是其他肿瘤的预测模型，多属于基于疾病自身诊断治疗相关特征来提取的，用于评估临床疗效的模型较少。

3 CTTA在SPN诊断中的应用实践

3.1 SPN良恶性的鉴别诊断

传统的CT影像图凭借SPN边缘、周围征象等形态学特征，无法准确鉴别结节灶的性质。长期以来，国内外学者对SPN的瘤体-肺脏界面均进行过全面的研究，其边缘形态主要呈现为分叶征、毛刺征、棘突征等类型；周围征象主要包括空气支气管征、胸膜凹陷征、血管集束征等[15-16]。多数研究显示，单从边缘形态来看，毛刺征和棘突征祭灶结节灶的恶性风险更高；在分叶征中，深分叶征的恶性占比高于中分叶征和浅分叶征；就周围征象来看，不同征象需进行分级，但仅可作为初筛手段，无法准确鉴别。

CTTA可提升SPN鉴别的准确性。国内外多项研究表明，从灰度共生矩阵获取的纹理特征参数可知，良恶性SPN在灰度能量、熵值及一致性等特征方面有显著差异[17-18]。龚恩惠等[19]的研究发现，肺炎组织与肺癌组织的纹理特征参数比较，差异有统计学意义。近年来，随着CT技术的发展，可采集到直径在3 mm以下磨玻璃密度结节灶，从而可为早期诊断和治疗肺癌提供指导。

3.2 CTTA在SPN侵袭性预测中的应用

Yagi等[20]提取了肺磨玻璃结节的CT组学特征，用于判断原位癌、微浸润性肺腺癌和浸润性肺腺癌的特征参数差异，结果显示，通过CT纹理特征的差异能够准确区别这3种病理分型。黄栎有等[21]探讨基于CT平扫图像纹理分析鉴别浸润性肺腺癌和非钙化结核球的价值，共选取了300种CT纹理特征，并依据Fisher参数法、最小分类误差与最小平均相关系数法、相关信息测度法分别提取两组对鉴别浸润性肺腺癌最有意义的纹理特征，结果显示，两种病变共有10种纹理特征存在显著差异。金志发等[22]分析CTTA对肺部亚实性结节非浸润性的预测价值，发现浸润前和微浸润病灶结节-肺界面的纹理特征差异有统计学意义，提示CTTA可作为预测SPN结节是否发展为浸润性肺腺癌的有效手段。

4 结语

受各种因素的影响，SPN患病率呈不断上升的趋势，而鉴别结节灶的良恶性对于临床治疗方案的制定具有重要的参考价值。与病理穿刺活检相比，CT扫描是一种无创的检查方式，更易被患者接受。CTTA可作为鉴别诊断SPN与预测其浸润性的手段，对结节灶内部像素的灰度特征、熵值或一致性等进行鉴别评估，近年来甚至被用于预测SPN的基因突变状态，为SPN的治疗提供指导。但CT图像的纹理特征复杂，特征参数和提取方式较多，如何从优选择是临床研究的重点。在以后的研究中，希望可制定统一的标准化采集参数，再经多中心研究验证其可行性，从而为SPN结节或其他肿瘤的早期诊断及癌前病变的判断提供指导。