常规MRI 纹理分析对腰椎多发性骨髓瘤与腰椎退行性病变的鉴别诊断价值

朱心雨，郭 立，黄 鹏，马金宇，张雨柔

昆明医科大学第二附属医院放射科，云南 昆明650101

多发性骨髓瘤（multiple myeloma，MM）是一种起源于骨髓浆细胞的恶性疾病，是仅次于非霍奇金淋巴瘤的第2 常见的血液系统恶性肿瘤［1-2］。该病多见于脊柱，以胸椎为主，腰、颈椎次之，常引起胸腰部不适。由于MM 起病隐匿、病情发展缓慢、缺乏临床特征，易与胸腰部退行性病变相混淆［3］。

MRI 具有无辐射、多方位、多参数成像等优点，是胸腰部不适患者常用的影像检查方法之一［4］。MM呈弥漫性、不均匀性浸润，T1WI 呈低信号，T2WI 呈高信号，在T2-STIR 上病灶显示更清楚；而腰椎退行性变时，由于红骨髓（T1WI 呈低信号，T2WI 呈稍高信号，STIR 上显示更清楚）和黄骨髓呈不均匀分布，加之终板退变（终板的1 型改变于T1WI 呈低信号，T2WI呈稍高信号，STIR 上显示更清楚）的存在，会对MM的发现及诊断产生干扰，有时仅根据MRI 图像特征区分两者仍存在困难［5］。目前，骨髓瘤的诊断金标准为骨髓穿刺，但穿刺活检价格高且为有创检查，易造成局部感染，引起潜在的并发症。因此，寻求一种准确、高效的诊断多发性骨髓瘤的方法是临床面临的重要问题。

纹理分析是指通过提取图像大量的微观特征，经计算机算法将特征转化为纹理参数，并由此探究图像像素灰度值的局部特征、分布规律及变化规律［6］。目前，纹理分析已应用于临床研究［7-8］，其可高通量提取图像特征，并以非侵入性方式捕捉并展现病变组织内的异质性［9-10］，从而辅助临床和影像医师发现及诊断肿瘤性病变，并对其进行分期分级、治疗效果评估及预后评估等［11］。既往有研究应用影像组学方法鉴别MM 与腰椎不同转移瘤，并对骨髓瘤的治疗反应进行预测效果良好［12-13］，但关于骨髓瘤与其他腰椎疾病鉴别的研究较少。本研究尝试对腰椎MM 与腰椎退行性变进行纹理分析，以探讨常规MRI 图像的纹理特征对骨髓瘤的鉴别诊断价值。

1 资料与方法

1.1 一般资料

回顾性收集2021 年8 月至2022 年8 月在我院行常规MRI 扫描的64 例腰椎MM 患者作为MM组。纳入标准：①均经病理及相关临床检查确诊；②未经治疗者。排除标准：①图像存在明显伪影、质量较差影响诊断；②免疫系统异常、恶性肿瘤及其他影响骨代谢的内分泌疾病；③在检查前已行放、化疗或射频消融等干预性治疗。

另选择同期因腰部不适行腰椎MRI 检查，且临床确诊为腰椎退行性病变的64 例患者为对照组。

本研究经医院医学伦理委员会批准（2022-142），并免除受试者知情同意。

1.2 仪器与方法

采用Siemens Sonata 1.5 T MRI 扫描仪。扫描序列与参数：矢状位T1WI，矩阵205×256，TR 500 ms，TE 8 ms，视野280 mm×280 mm，层厚4 mm，层距0.4 mm；矢状位T2WI，矩阵205×256，TR 4 000 ms，TE 125 ms，视野280 mm×280 mm，层厚4 mm，层距0.4 mm；矢状位T2-STIR，矩阵256×256，TR 3 990 ms，TE 77 ms，视野280 mm×280 mm，层厚4 mm，层距0.4 mm；轴位T2WI，矩阵179×205，TR 5 207 ms，TE 120 ms，视野220 mm×220 mm，层厚4 mm，层距0.4 mm。总扫描时间为5 min 15 s。

1.3 图像分析与纹理特征筛选

将图像以DICOM 格式从PACS 导出至MaZda 4.6 软件（http：//www.eletel.p.lodz.pl/mazda/）。由2 位具有5 年以上影像诊断经验的医师协商后沿椎体边缘共同绘制ROI，ROI 为累及病变的所有椎体，选择矢状位T1WI、T2WI 和T2-STIR 序列的正中层面图像，避开皮质和椎基静脉丛且不包含腰椎附件（图1，2）。提取灰度级直方图、绝对梯度、灰度游程矩阵、灰度共生矩阵、自回归模型和小波变换6 类纹理特征。然后通过软件提供的费希尔算法（Fisher coefficient，Fisher）、分类错误率+平均相关系数算法（classification error probability and average correlation coefficients，POE+ACC）、交互信息算法（mutual information coefficient，MI）3 种方法对3 个序列进行降维筛选，每种方法筛选出10 个最优纹理特征参数。

图1 腰椎多发性骨髓瘤的ROI 绘制 注：患者，女，59 岁。图1a 为勾画矢状位T1WI 序列的ROI；图1b 为勾画矢状位T2WI 序列的ROI；图1c 为勾画矢状位T2-STIR 序列的ROI图2 腰椎退行性病变的ROI 绘制 注：患者，男，67 岁。图2a 为勾画矢状位T1WI 序列的ROI；图2b 为勾画矢状位T2WI 序列的ROI；图2c 为勾画矢状位T2-STIR 序列的ROI

1.4 统计学分析

采用SPSS 23.0 软件、Med Calc 20.1 软件进行分析。计数资料2 组间比较行χ2检验。正态分布计量资料以表示，2 组间比较行独立样本t 检验。采用Spearman 相关性分析排除冗余参数（r＞0.8），然后行logistic 回归分析。采用ROC 曲线分析差异有统计学意义的参数及其联合鉴别MM 与腰椎退行性病变的诊断效能。利用DeLong 检验比较联合诊断与单一参数AUC 的差异。以P＜0.05 为差异有统计学意义。

2 结果

2.1 2 组一般资料比较

MM 组64 例，其中男34 例，女30 例；年龄45～79 岁，平均（61±10）岁。对照组64 例，其中男31 例，女33 例；年龄22～77 岁，平均（58±11）岁。2 组年龄及性别比较，差异均无统计学意义（t=1.451，P=0.149；χ2=0.281，P=0.596）。

2.2 2 组各序列上纹理特征参数比较

经统计学分析后具有鉴别2 种疾病意义的各序列参数比较见表1～3。

表1 T1WI 纹理特征参数在2 组中的比较（）

表1 T1WI 纹理特征参数在2 组中的比较（）

注：MM 为多发性骨髓瘤。

表2 T2WI 纹理特征参数在2 组中的比较（）

表2 T2WI 纹理特征参数在2 组中的比较（）

注：MM 为多发性骨髓瘤。

表3 T2-STIR 纹理特征参数在2 组中的比较（）

表3 T2-STIR 纹理特征参数在2 组中的比较（）

注：MM 为多发性骨髓瘤。

2.3 logistic 回归分析结果

排除冗余参数后对T1WI 序列的Perc.10%、S（2，0）SumAverg，T2WI 序列的Perc.10%、WavEnLL_s-2 和T2-STIR 序列的Perc.10%、Perc.99%、135dr-GLevNonU、S（3，-3）Correlat 和S（1，-1）SumAverg 共9 个纹理参数行logistic 回归分析（表4），结果表明T1WI 序列的Perc.10%，T2-STIR 序列的Perc.10%和135dr_GLevNonU为鉴别MM 与退行性病变的独立预测因子。

表4 logistic 回归分析结果

2.4 单参数与参数联合的诊断效能比较

以T1WI 序列的Perc.10%，T2-STIR 序列的Perc.10%和135dr_GLevNonU 作为独立检验变量及三者联合检验变量行ROC 曲线分析，3 个参数鉴别诊断MM 与腰椎退行性变的AUC 分别为0.753、0.813 和0.705，联合参数的AUC 为0.902，优于单参数，差异有统计学意义（均P＜0.05；表5，图3）。

表5 单参数与参数联合的诊断效能比较（DeLong 检验）

图3 Perc.10%（T1WI）、Perc.10%（T2-STIR）、135dr_GLevNonU（T2-STIR）和参数联合的ROC 曲线

3 讨论

纹理分析可从图像像素、灰阶、空间特征等多角度多方法提取大量人眼难以观察或易忽略的纹理参数，利用数学算法进行分析计算，经过降维筛选后的特征能最大程度展现影像图像中异质性微观差异，有助于肿瘤的诊断、鉴别、预测及预后评估等［14-15］。目前，纹理分析广泛用于肿瘤诊疗中。Reinert 等［16］分析了双能量CT 图像在MM 中的定性作用，并使用纹理分析方法评估椎体髓质受累程度，结果显示骨髓浸润程度与一阶特征呈正相关，与二阶共生矩阵特征呈负相关，骨髓图像纹理特征的变化与骨髓瘤特异性血液学参数有很好的相关性。Xiong 等［13］利用T1WI 和T2WI 图像提取腰椎MM 和不同腰椎转移肿瘤的纹理特征，结合不同的机器学习模型探究其鉴别诊断MM 与腰椎转移肿瘤病变的潜力，结果显示，由T2WI 图像7 个特征构建的人工神经网络分类器在鉴别MM 和不同亚型转移瘤诊断性能最高。

本研究利用MaZda 纹理分析软件提取MM 患者与腰椎退行性变患者MRI 图像6 类近300 个纹理特征参数进行对比。其中，Perc.和Mean 来自于直方图参数。Perc.10%是描述低于该百分位数所观察对象的百分比［17-18］，其可反映ROI 内的微小变化。Mean 代表ROI 的平均灰度值水平［19-20］。本研究中MM 患者的T2-STIR 直方图参数值均高于退行性病变，可能与MM 病灶散在多发、在T2-STIR 上呈较高信号有关。来自灰度游程矩阵的GLevNonU 和灰度共生矩阵的SumAverge 可反映ROI 纹理明暗程度的异质性［21］。本研究中T2-STIR 序列退行性病变的GLevNonU 值较MM 组大，表明退行性病变椎体内部纹理的明亮度较低，内部纹理变化较大；这可能是由于骨髓脂肪变性、沉积引起骨质退变造成的。Correlat 也称相关度，是用于评估图像的线性度，其来自于共生矩阵，可用于度量图像中行或列上灰度级的相似程度［22-23］。MM 的T2-STIR 上的Correlat 值较高，原因可能为MM的病灶发生在骨髓组织（骨髓位于松质骨的骨小梁间），病灶表面上虽呈散在、随机分布，但实则多沿椎体的骨纹理排列［24］，这使MM 累及的椎体图像在纵向或横向上具有相似度较高的灰度值，且其纵向或横向的纹理也较细致。WavEnLL_s-2 来自于小波变换，小波变换通过高、低通滤波器将原始图像信号分成低频和高频分量，用于检测图像中的水平线、垂直线及交叉点和角点［25］，该高频分量反映图像的轮廓信息。本研究中T2WI 和T2-STIR 序列MM 组的WavEnLL_s-2值高于腰椎退变组，可能是由于MM 的骨质破坏多呈边缘清楚的穿凿状、鼠咬状，易与骨质疏松辨别。

本研究运用Fisher、POE+ACC、MI 方法，每种方法分别从各序列筛选出10 个最佳特征参数。其中Fisher 为类间方差与类内方差之比，POE+ACC 是基于分类错误概率和所选特征之间平均相关系数的最小化，MI 是对纹理特征和类别变量之间依赖性的衡量，这3 种方法可降低纹理特征在所有类别中的分类错误率［26］。在排除冗余参数后，对9 个特征参数行logistic 回归分析发现，T1WI 序列的Perc.10%和T2-STIR 序列的Perc.10%、135dr_GLevNonU 是鉴别MM 与退行性病变的独立预测因子。ROC 曲线分析发现，3 个参数联合的诊断效能较单一参数高（均P＜0.05），表明选取的纹理特征参数均能很好地鉴别腰椎MM 与腰椎退行性病变。

本研究的不足之处：①样本量较小，致使研究结果可能存在一定偏倚；②未对腰椎退行性改变外的其他腰椎病变，以及累及腰椎的各型MM 行进一步的分类研究，纹理分析对上述病变及病变亚型在鉴别上是否有帮助，有待进一步研究；③仅对MRI T1WI、T2WI 和T2-STIR 进行分析，未对其他序列进一步研究，后续将逐步完善；④采用人工方式勾画腰椎椎体，且未对椎体外的附件进行勾画，不可避免地存在人为因素的影响，未来将尝试通过半自动及自动的方式来对椎体和对应的附件进行勾画。

综上所述，基于MRI 图像的纹理特征参数在腰椎MM 与腰椎退行性病变的鉴别中有一定临床价值，对指导临床制订有效的治疗方案具有重要意义。