基于胸部三期计算机体层成像图像的纹理分析对鉴别肺内良恶性结节的价值

刘建 龙岩人民医院放射科 （福建 龙岩 364000）

内容提要： 目的：分析胸部三期计算机体层成像（CT）图像的纹理分析对鉴别肺内良恶性结节的价值。方法：以2018年1月～2021年12月来本院就诊的109例肺结节病变的患者作为观察对象，上述患者均经病理证实，其结节共120个，对上述患者均实施平扫后进行胸部三期CT图像的纹理分析。结果：120个结节中，经病理证实，良性结节为69个，恶性结节51个，平扫结果的敏感度、特异度、准确率分别为47.06%、97.10%、75.83%，而胸部三期CT图像敏感度、特异度、准确率分别为49.02%、95.65%、75.83%，组间差异不存在统计学意义。结论：通过对一系列肺结节图像的纹理分析，能够得到结节的纹理特征参数集合，结合临床诊断结果，可为临床提供科学的数据，但在结节良恶性区分方面并无特殊价值。

目前，肺部计算机体层成像（Computed Tomography，CT）体检趋向常规化，CT将X射线扫描投影数据与计算机技术结合，获得以层面信息为基础的医学影像的技术，是现代医学成像方法之一，主要机制为X射线穿射人体经部分吸收后，被检测器所接收，接受射线的强度与人体横断面的组织密度有关，CT扫描速度快、冠状或矢状面重建的空间分辨率高，不需要重复扫描而患者受辐射剂量减少，还可以从立体角度呈现骨骼与邻近结构的解剖关系，在骨科领域，可以用来观察骨骼与邻近结构的解剖关系，还可以观察脊柱、骨盆及四肢关节较复杂的解剖部位和病变等。目前肺部结节肺结节发现率逐渐提升，因此对肺部结节肺结节良恶性的鉴别尤为重要。近年来肺结节良恶性鉴别多采用形态学观察、CT值测量及随访观察等主要方法，缺少有效的图像特征量化评估手段[1,2]。图像纹理分析是近些年来新出现的一种图像后处理技术，通过高通量计算，可以从影像图像中快速提取大量的定量特征，将数字医学图像转换为高分辨率的可挖掘的高维数据[3]。纹理是指图像中局部不规则而宏观有规律的灰度变化，可反映研究对象的内部结构特点，而纹理分析对图像像素灰度值的局部特征、变化规律及其分布模式进行研究，挖掘人眼不能察觉到的微观信息，而这些微观信息往往是组织异质性在图像上的反映，实施纹理分析可以量化这些差异，更为精准获得与病灶病理改变相关的信息，可为患者的个性化、综合性、精准性诊疗提供强大的帮助[4-6]。此外纹理分析对已有传统医学图像进行分析，在不增加患者治疗费用的情况下，可以提高医学图像信息利用率，同时也能提升医学图像的准确率[7]。基于此，本研究分析胸部三期CT图像的纹理分析对鉴别肺内良恶性结节的价值，以109例肺结节病变的患者进行研究，报道如下。

1.资料与方法

1.1 临床资料

本次研究时间为2018年1月～2021年12月，以109例肺结节病变的患者进行研究，共为120个甲状腺结节，涉及男61例，女48例，年龄41～85岁，平均（63.59±9.56）岁。

纳入标准：①研究人员的临床资料完整；②患者以及家属均签订知情同意书；③临床资料完整。排除标准：①合并多种肿瘤疾病者；②存在其他呼吸系统疾病者；③存在代谢异常以及凝血功能异常者；④孕期哺乳期女性患者；⑤中途退出者；⑥精神障碍或意识障碍性疾病，患者不可自主沟通者或良好配合者；⑦中途退出者，不依从者。

1.2 方法

对本次研究所有患者均需仰卧位，双臂上举，头先进位，在64排螺旋CT机下进行扫描，告知患者在扫描过程中需要先吸气后屏住呼吸，才能减少扫描过程中的伪影，先进行CT平扫，随后实施胸部三期CT图像处理，设定参数如下：层厚1mm，FOV400mm，螺距0.9，管电压120kV，随后再进行增强对比扫描，其对比剂选择碘海醇剂量，利用高压注射器在患者的肘正中静脉进行注射，注射速度为4mL/s，剂量为1m/kg，将扫描后的图像，包括平扫、动脉期、静脉期，分别在相应的软件中进行导入，并在CK软件上调节适合的窗宽、窗位，清晰显示病灶情况，随后选择病灶最大层面，在选择最大层面过程中用，避免含有较多的坏死及钙化灶，随后选择感兴趣区域进行手动绘制轮廓，最后通过软件分析相关参数[8]。

所有的图像均由2名或2名以上10年以上阅片诊断经验的高年资影像科医生进行共同阅片，对患者的病灶部位进行仔细的观察，同时记录相关数据，一旦存在意见不统一时，需要根据诊断标准或请多名高年资医生进行共同参与，选取最佳的诊断结果。

1.3 观察指标

分析胸部三期CT图像的诊断准确率，所有患者再实施CT纹理分析得到纹理参数，行CT引导下经皮穿刺肺活检术，确定良、恶性。

1.4 统计学分析

采用SPSS23.0统计学软件进行数据分析，计量资料数据用±s表示，两组间比较采用t检验，重复测量的计数资料采用重复测量方差分析；计数资料用%表示，组间比较采用χ2检验，以P＜0.05为差异有统计学意义。

2.结果

120个结节中，经病理证实，良性结节为69个，恶性结节51个，平扫结果的敏感度、特异度、准确率分别为47.06%、97.10%、75.83%，而胸部三期CT图像敏感度、特异度、准确率分别为49.02%、95.65%、75.83%，组间差异不存在统计学意义，结果见表1。

表1.诊断结果(n)

3.讨论

肺癌属于临床中最常见且发生率较高的恶性肿瘤，病死率较高，因此对于肺癌而言，早期诊断是改善患者预后，延长患者生存时间的关键所在[9]。目前，肺部CT体检常规化且常发现肺结节，肺结节良恶性的鉴别尤为重要，近年来肺结节良恶性鉴别多采用形态学观察、CT值测量及随访观察等主要方法，缺少有效的图像特征量化评估手段[10]。图像纹理分析是近些年来新出现的一种图像后处理技术，通过高通量计算，可以从影像图像中快速提取大量的定量特征，将数字医学图像转换为高分辨率的可挖掘的高维数据[11,12]。现如今，虽然低剂量CT可以在早期肺癌中具有高度敏感性，但是也存在假阳性及特异性较差的缺点，另外利用低剂量CT扫描过程中受到放射科医师经验影响，很容易造成漏诊率，故而，如何提升肺结节良恶性的诊断准确率，为临床提供科学的数据支持则为研究的重点[13,14]。

近年来，胸部CT扫描发现肺结节患者越来越多，肺部孤立性结节良恶性鉴别多采用形态学观察、CT值测量及随访观察等主要方法，尽管胸部CT的应用在肺癌诊断中取得了显著进展，但仍然存在一些挑战[15,16]。CT是指通过图像或视频等视觉数据，对其中的结构、特征进行分析和处理的一门技术，纹理分析是计算机视觉领域中的重要研究方向之一，通过纹理分析，我们可以对图像或者视频中的纹理特征进行提取和分类，进而应用于许多领域，如图像处理、目标检测和识别、医学影像分析等，本文采用CT应用于胸部纹理进而鉴别肺内良恶性结节。肺结节的良恶性鉴别一直是一个复杂的问题，因为一些良性结节在CT图像上可能呈现与恶性结节相似的形态，传统的肺癌诊断方法主要依赖于肿瘤的形状、大小和位置等表面特征，而这些特征在一些情况下可能不够敏感和特异，缺少有效的图像特征量化评估手段[17,18]。

随着临床技术的不断提升，胸部CT成像技术也不断改善，不同性质的结节对射线吸收程度不一样，临床上对于良恶性鉴别金标准主要为病理检查，但是常具有一定创伤性，CT检查不仅可以判断提高检查率，还可以减少患者损害性。影像学检查在肺结节检测方面取得了显著的进展，早期的研究主要集中在对肺部解剖结构的观察，然而，进行纹理分析可以量化这些差异，更为精准获得与病灶病理改变相关的信息[19]。可为患者的个性化、综合性、精准性诊疗提供强大的帮助，此外纹理分析对已有传统医学图像进行分析，在不增加患者治疗费用的情况下，提高了医学图像信息利用率[20]。

纹理分析作为一种图像处理的方法，通过一定的图像处理技术提取出纹理特征参数，从而获得纹理的定量或定性描述的处理过程，纹理分析在遥感图像、X射线照片、细胞图像判读和处理方面有广泛的应用[21,22]。近年来在医学领域中引起广泛关注，纹理特征提供了对图像内部结构和灰度分布的详细描述，这对于区分不同组织类型和发现微小的结构变化非常有帮助，在肺结节的研究中，纹理分析被广泛应用于提取肺部组织的细微特征，进而实现对肺结节的准确诊断[23,24]。并且，有学者提出，肺结节的纹理特征是由图像中像素的灰度分布、密度和排列等因素所决定的，良性和恶性结节在CT图像中通常表现出不同的特征，先前的研究表明，恶性结节往往呈现出更大的灰度变化范围、更复杂的纹理结构以及更高的灰度均值，相较于良性结节，这些特征可能反映了恶性细胞的异质性和组织结构的不规则性[25]。故而作为一种图像处理的方法，可从图像中提取更丰富信息，但是在传统CT平扫中，也可以捕捉到结节的微小结构变化，而通过对图像纹理特征的定量分析，虽然能够准确地刻画肺结节内部的组织结构，但是在实际临床中，纹理分析会受到多种因素的影响，故而在结节良恶性中并无明显价值[26,27]。

综上所述，通过对一系列肺结节图像的纹理分析，能够得到结节的纹理特征参数集合，结合临床诊断结果，可比对良性、恶性结节纹理特征差异，然而在结节良恶性区分方面并无特殊价值。但是本次研究也存在一定的不足之处，首先，不同的CT设备和参数设置可能导致图像的差异，影响纹理特征的提取和分析。其次，本次研究选择样本数量较少，并未与健康肺情况进行对比，故而还需进一步的研究。