基于二維和三維分形分析技術的直腸癌患處局部血流空間異質(zhì)性測量流程的結果再現(xiàn)性評估

Bal Sanghera, PhD Debasish Banerjee, FRCR Aftab Khan, MRCS Ian Simcock, MSc

J. James Stirling, MSc1a Rob Glynne-Jones, MD, FRCR1b Vicky Goh, MD, FRCR1a，2

分形現(xiàn)象可被描述為一種“自相似”結構，即整體結構的每一部分在更小的尺度下都與原始結構相似。自相似結構以非整數(shù)維度的形式存在，并難以用歐幾里得幾何學形容。

分形分析提供了一種評估腫瘤血管空間結構的方法[1-5]。不同的分形參數(shù)，諸如分形維數(shù)（目標對象填充空間的方式），分形豐度（填充空間的程度）和缺項性（目標對象內(nèi)部結構的異質(zhì)性程度）等，可以從不同角度展示腫瘤血管網(wǎng)的空間形態(tài)，進而展示了血管網(wǎng)分布的的空間異質(zhì)性。當與動態(tài)對比增強技術聯(lián)用時，分形分析技術將可以為腫瘤血管分布標準量度（如傳輸常數(shù)和局部血流量[1-5]）提供補充，特別是在評估治療效果等血管網(wǎng)可能發(fā)生異質(zhì)性變化的情況下[6-7]。截止本文撰寫時，動態(tài)對比增強技術已應用于二維分形分析過程。最近，三維動態(tài)對比增強數(shù)據(jù)的獲取使三維分形分析成為可能。通過對整個腫瘤的輪廓進行分析，三維分形分析或能夠更加綜合地評估腫瘤的分形屬性。結果再現(xiàn)性（或者多次檢驗結果的一致性）是臨床應用一個很重要的參數(shù)，分形分析技術可以在一定程度上改進這項參數(shù)。本研究的目的是，通過盒子計數(shù)方法描繪直腸癌患部血流狀況（數(shù)據(jù)由容積螺旋CT灌注成像測量所得）的二維和三維分形屬性，并確定結果的再現(xiàn)性。

1 材料與方法

1.1 患者

本研究獲得制度審查委員會批準和患者的知情同意。本研究中，所涉及的患者均為剛剛被診斷出直腸癌的成年患者。根據(jù)灌注CT的篩選標準排除腎臟有損傷（血清肌酸酐水平＞120 μmol/L或腎小球濾過率＜50 mL/min）的、之前有碘化造影劑過敏反應的、無法執(zhí)行靜脈穿刺置管術的和在成像結果中無法鑒定腫瘤的患者。在2009年5月到2010年9月間，有10位患者（平均年齡72.3歲；年齡范圍52.1～79.7歲），包括8位男性（平均年齡68.8歲；范圍52.1～79.7歲）和2位女性（平均年齡75.7歲；范圍73.0～78.4歲），在沒有接受介入治療的情況下，于24 h內(nèi)接受了2次容積螺旋CT灌注成像研究以確定治療前的基線信號再現(xiàn)性（重復檢驗結果的一致性）。此外，研究人員還通過標準的磁共振（MR）成像流程檢驗腫瘤的分期與尺寸。此次研究所招募的患者均通過了灌注CT的準入篩查。

1.2 容積螺旋灌注CT成像

研究人員用四維適配螺旋模式對所有患者進行了容積螺旋灌注CT成像（Somatom Definition; 西門子醫(yī)療，福希海姆，德國）檢查，該四維適配螺旋模式能夠獲取頭-尾向和尾-頭向的圖像。患者檢查結果包括一幅“解剖結構圖”，一幀定位已知腫瘤的小劑量非增強螺旋CT成像（80 kV；70 mAs[有效]; 旋轉(zhuǎn)時間0.5 s；檢測器數(shù)目：24；截面厚度1.2 mm；傾斜度1.2；層面準直5 mm；掃描視場300～450 mm；掃描像素尺寸512 mm），以及一幅容積螺旋動態(tài)對比增強CT成像。在進行對比增強成像過程之前，研究人員以6 mL/s的速度向病人體內(nèi)先后靜脈注射50 mL碘化造影劑（碘佛醇，每毫升含350 mg碘）和50 mL生理鹽水。

從開始注射對比材料到開始容積螺旋動態(tài)對比增強CT成像過程，中間有10 s的延遲時間。容積灌注螺旋CT成像采用的是四維適配螺旋模式，并在最初的30 s將掃描周期設為1.5 s，在之后螺旋成像的20 s，將掃描周期修訂為3.0 s并調(diào)整以下參數(shù)：100 kV；110 mAs；z軸覆蓋范圍11.4 cm；掃描視場300～450 mm；掃描像素尺寸512 mm；容積CT放射劑量，116.04 mGy。研究人員將圖像重建至3 mm截面厚度，比原始圖像增加了2 mm。

1.3 圖像分析

1.3.1 CT成像分析

CT圖像的處理是由一位放射科醫(yī)師（V.G.，具有10年以上灌注CT分析經(jīng)驗）完成的。處理圖像時，該醫(yī)師將CT數(shù)據(jù)載入到一臺標準圖像處理工作站（MMWP；西門子醫(yī)療）使用基于反卷積算法的容積灌注CT處理技術（VPCT, Version 1.0;西門子醫(yī)療）對圖像進行處理。最初的后置處理包括運動校正，設置使用四維噪音過濾器，數(shù)據(jù)處理的臨界值（-50～200 HU）選擇，以及通過在股動脈或外部髂骨動脈中設置圓型感興趣區(qū)域來繪制動脈信號隨時間的衰減曲線。研究人員導出局部血流量參數(shù)圖（單位為mL/min/100 mL，每個像素代表1個參數(shù)值），包含整個腫瘤在軸向、冠狀和矢狀平面（圖1）中的數(shù)據(jù)，以備分形分析所用。

圖1 同一等級的T3N1型直腸腫瘤在(a)軸向，(b)冠狀，(c)矢狀平面上的典型局部血流量示意圖

1.3.2 分形分析

為了將腫瘤區(qū)域與周圍組織相區(qū)分，2位放射科醫(yī)師（D.B.和V.G., 均有10年以上放射科工作經(jīng)驗）用專業(yè)軟件（ImageJ;國立衛(wèi)生研究院，貝塞斯達，馬里蘭州）對整個腫瘤的參數(shù)灌注圖做了進一步的處理。信號強度閾值被設定為35～100 mL/min/100 mL，以獲取腫瘤區(qū)域的圖像（參照先前的研究[5]）（圖2）。獲取腫瘤區(qū)域圖像后，課題組的研究人員使用自己編寫的分形分析軟件對上述圖像進行二維和三維的計盒法分形分析，該分析過程主要涉及以下分形參數(shù)：(a)分形維數(shù)，代表一個物體填充空間的方式；(b)分形豐度，代表已占空間的體積；(c)缺頂性，反映物體結構的不均勻程度[8-9]。研究人員使用二維平方和三維立方計盒法，從所有可能作為盒子起始點的空間節(jié)點出發(fā)，以下列公式計算出分形維數(shù)和分形豐度：NL=KL-D，其中L為盒子尺寸，NL為為覆蓋目標區(qū)域而需要的尺寸為L的盒子的數(shù)目，D為分形維數(shù)。通過在指數(shù)坐標系中繪制NL對L的關系圖，可由直線部分的斜率得出分形維數(shù)，還能由曲線的直線部分的y軸截距中求得分形豐度（logK）。該分析過程使用已知分形維數(shù)的簡單結構和復合結構（如多次迭代的二維和三維Sierpinski分形結構）。

圖2 (a)灌注CT成像和 (b)直腸腫瘤從周圍組織分割衍生的合成影像

研究人員使用二維和改進的三維滑塊法[9]計算缺項值，該法由下列公式定義：

□=(∑s2s2Q(s,r))/[∑sQ(s,r)]2

其中□代表缺頂，r代表盒子的尺寸，s代表被某一特定尺寸盒子所占據(jù)的位點數(shù)量，Q為概率分布（該指數(shù)為某一特定體積r的盒子所占據(jù)的空間位點數(shù)量除以體積為r的所有盒子的總數(shù)）。在指數(shù)坐標系中將缺項系數(shù)與計數(shù)盒子的體積的相關關系作圖，可以獲得缺項性的詳細信息。

為確定二維、三維分形分析和缺頂分析的結果再現(xiàn)性，本研究在24 h內(nèi)請上述兩位放射科醫(yī)師用同樣方法重復了整個過程，所處理的數(shù)據(jù)為在24 h內(nèi)通過同樣的成像和運行參數(shù)所獲取的容積灌注CT成像結果。

1.4 統(tǒng)計學分析

研究人員求出了分形維數(shù)和分形豐度的平均值±標準差，通過配對t試驗對二維和三維的分形參數(shù)進行比較，統(tǒng)計顯著性在5%。

研究人員用Bland-Altman統(tǒng)計[10]對分析結果再現(xiàn)性進行評估，并計算了結果的平均差和結果95%一致的數(shù)據(jù)分布范圍（平均差-2，標準差和平均差+2，標準差之間的范圍）。患者之間的差異系數(shù)的計算方法如下所示：首先計算出數(shù)據(jù)數(shù)值間的部分差異，并算出標準差相對于平均值的百分比例。然后，研究人員使用均方根法對同一患者兩組數(shù)據(jù)間的差異系數(shù)進行評估：（SD/M）2（其中SD為標準差，M為平均值），并求出不同患者的該項數(shù)值的平均值和平方根對于平均值的百分比例。方差組分分析通過混合效應模型方法實現(xiàn)，在該分析中，研究人員對每位病人設定一個特定的編號ID，并用混合效應模型計算的結局和斜率（測量時間）來衡量隨機效果（測量數(shù)據(jù)=截距|ID+斜率?時間|ID）。兩位觀測者之間的數(shù)據(jù)一致性評估是通過使用Bland-Altman統(tǒng)計方法計算二者的平均差和95%一致性范圍來實現(xiàn)的。上述統(tǒng)計學分析步驟均用軟件（Stata,9.0版；Stata, College Station，德克薩斯州）完成。

2 結果

腫瘤的特征與分期的數(shù)據(jù)見表1。平均腫瘤尺寸（5.03±1.04）cm (標準差)。灌注生成的血流量圖譜展示了二維和三維圖像的分形屬性。在第一次和第二次掃描中，在對數(shù)坐標系中，分形維數(shù)估值NL與虛擬盒子尺寸L的散點線性回歸r2值均為0.99或者更高。來自兩位放射科醫(yī)師的其中一位的數(shù)據(jù)顯示，三維分析的分形維數(shù)和分形豐度高于二維分析的相應數(shù)據(jù)(分形維數(shù)[P＜0.0001]的平均值2.488比1.648)，這和預期的情況相符。上述結果中很重要的一點是，在對于兩輪成像的三維和二維結果進行分形維數(shù) (圖3)和分形豐度（圖4）進行比對后，研究人員發(fā)現(xiàn)兩輪成像結果的分析結果之間存在良好的一致性（表2）。二維分析的差異系數(shù)高于三維分析，但也保持在7.35%以下。缺項性方面，第一、第二次成像結果的二維和三維缺頂值-虛擬盒子尺寸關系圖也直觀地表現(xiàn)出不同數(shù)據(jù)系列缺項屬性的相似性(圖5)。方差分量分析結果顯示，患者之間的差異程度高于三維和二維分形分析變量之間的差異程度(表3)。

圖3 (a)散點圖和(b)對讀數(shù)1重復研究的二維和三維分形分析的分形維數(shù)的Bland-Altman平面圖

表1 腫瘤特征與分期數(shù)據(jù)

表2 第一和第二次研究中讀數(shù)1二維、三維分析下分形維數(shù)和豐度的再現(xiàn)性

圖4 (a)散點圖和(b)對讀數(shù)1重復研究的二維和三維分形分析的分形維數(shù)的Bland-Altman平面圖

圖5 讀數(shù)1的 (a)二維和(b)三維分形分析的規(guī)范化缺項平面圖。BFD1=第一次研究中的血流量，BFD2=第二次研究中的血流量。

表3 第一次研究中讀數(shù)1、2二維和三維分析分形維數(shù)和豐度的通用一致性

來自兩位放射科醫(yī)師的第一輪成像數(shù)據(jù)分析結果也表現(xiàn)出了良好的一致性，其中Bland-Altman圖表明，二維和三維分析的分形維數(shù)的平均差分別為0.030（95%一致性極限: -0.143,0.204）和0.014（95%一致性極限: -0.018,0.0472），二維和三維分析的分形豐度分別為-0.073（95%一致性極限： -0.823,0.676）和-0.044（95%一致性極限 ：-0.139,0.052）。

3 討論

空間異質(zhì)性是具有生物學意義的腫瘤表現(xiàn)出的一項重要屬性。在腫瘤中通常難以維持正常的血管分支系統(tǒng)[11]，而是在有的區(qū)域血管分支密度增加，而有的區(qū)域減少。新生血管同樣會具有不同的外膜細胞覆蓋程度，從而在功能成熟度[12]表現(xiàn)出差異，這導致不同區(qū)域間的灌注差異。灌注不足區(qū)域會顯示出更高的缺氧程度，其空間分布也會隨時間推進呈現(xiàn)出功能和結構上的變化[13]。目前的定量動態(tài)對比增強成像分析方法還不能清晰地描繪血管分布的空間異質(zhì)性程度。

組織學研究顯示，分形分析能夠更好地描繪血管系統(tǒng)分布的隨機性，這是微血管密度測量[14]等常規(guī)方法所不能做到的，而且分形分析作為成像后處理方法還有提高現(xiàn)有成像技術所得結果[1,15-18]的潛力。動態(tài)對比增強磁共振成像研究已經(jīng)運用不同的分形方法[1-4]評估腫瘤的分形屬性，用以評價神經(jīng)膠質(zhì)瘤的分級[2]以及肝轉(zhuǎn)移瘤[1]和軟組織惡性腫瘤對苯丙氨酸氮芥和腫瘤壞死因子的α[3]的治療反應。與動態(tài)對比增強CT相似，二維分形分析的結果證實，直腸腫瘤部位的分形屬性(維數(shù)和豐度)與正常的直腸之間存在顯著差異[5]。然而二維分形分析亦有其局限性：二維圖像由于分形尺度不能無限的變化，因而無法完美展示目標的分形屬性。通常情況下，對于腫瘤的二維分形分析通常涉及一個或幾個連續(xù)的軸向切面圖像，從而難以完全覆蓋整個腫瘤區(qū)域的三維信息。基于上述原因，臨床上需要針對腫瘤的三維分形分析技術。本文的結果證實，和先前估計的情況相符，二維和三維分形技術在分形維數(shù)、分形豐度以及缺項性上均有區(qū)別，而且三維分形分析結果中的各項數(shù)據(jù)均更關鍵。

本研究實施的兩輪CT掃描所獲得的數(shù)據(jù)的二維和三維分形分析結果均體現(xiàn)出良好的組間一致性，二維分形分析結果的變異系數(shù)更高。本研究中，我們推測該現(xiàn)象與分割腫瘤圖像的操作有關。在三維分析中，通過處理一系列連續(xù)軸向圖像，研究人員可以更輕松地辨別腫瘤邊緣并將腫瘤區(qū)域從相鄰的非腫瘤組織中區(qū)分出來，這比二維分形分析中處理單一橫斷面圖像更容易。

分形分析是一項很有前途的圖形處理工具，但是還有許多問題需要考慮。市面上已經(jīng)存在許多分形軟件技術可以使用[19]。通常情況下，這些軟件均是研究人員自行開發(fā)的科研用工具軟件，采用三維網(wǎng)格空間計盒法進行分形分析操作。分形維數(shù)參數(shù)的分析結果會受到計盒法起始點位置的影響，而將所有可能的計盒起始點納入到計算過程中可以減小這種影響。本文中，分形分析結果的線性回歸適應值(r2)高于0.99，這也證實了腫瘤血管結構在二維和三維空間中的分形行為。參與此次研究的患者很少，為獲得再現(xiàn)性數(shù)據(jù)而進行的重復研究的電離輻射(有效劑量可達40 mSv)造成的倫理挑戰(zhàn)依然存在。

在本研究中，研究人員僅使用了分形分析，因為本研究的目的是用分形分析法測試容積灌注螺旋CT成像獲取的直腸惡性腫瘤局部血流的二維和三維分形屬性，并確定結果再現(xiàn)性。如何將分形分析的結果與其他異質(zhì)性分析手段相比較，如柱狀圖分析和紋理分析，是將來可能的研究方向。

總之，灌注CT得出的直腸腫瘤血流分布呈現(xiàn)了二維和三維的分形屬性。使用計盒法和缺項性評估的分形分析技術在本研究中體現(xiàn)出了良好的組間一致性。二維分形分析的變異系數(shù)高于三維分析，因為其覆蓋的腫瘤體積較小，這說明三維分形分析是一種更為可靠的測量方法。做為一種空間異質(zhì)性的評測方法，二維和三維分形和缺項分析在CT定量檢測直腸腫瘤方面具有較高的研究和開發(fā)價值。

知識補充：

（1）灌注CT導出的直腸癌局部血流量證明了二維(2D)和三維(3D)分形分析的分形屬性。

（2）平均的二維分形維數(shù)和分形豐度分別為：1號放射科醫(yī)師，1.648±0.09（標準偏差）和7.278±0.51；2號放射科醫(yī)師，1.617±0.08和7.351±0.47；平均的三維分形維數(shù)和分形豐度分別為：1號放射科醫(yī)師，2.488±0.09和10.338±0.64；2號放射科醫(yī)師，2.473±0.09和10.382 ±0.63。

（3）二維和三維分形分析具有良好的組間重復性；1號放射科醫(yī)師的二維和三維分形分析的分維數(shù)的平均差異分別為-0.024 (95%一致性極限：-0.212,0.372)和-0.024(95%一致性極限：-0.307,0.355)，2號放射科醫(yī)師的二維和三維分形分析的分形豐度的平均差異分別為-0.355 (95%一致性極限：-0.869,1.579)和-0.043 (95%一致性極限：-1.154,1.239)。

對于臨床的意義：

分形分析可以重復應用于局部血流量的空間異質(zhì)性的測量，以提供血流異質(zhì)性的臨床數(shù)據(jù)。

[1]O’Connor JP,Rose CJ,Jackson A,et al.DCE-MRI biomarkers of tumour heterogeneity predict CRC liver metastasis shrinkage following bevacizumab and FOLFOX-6[J].Br J Cancer,2011,105(1):139-145.

[2]Alic L,van Vliet M,van Dijke CF,et al.Heterogeneity in DCEMRI parametric maps:a biomarker for treatment response?[J].Phys Med Biol,2011,56(6):1601-1616.

[3]Rose CJ,Mills SJ,O’Connor JP,et al.Quantifying spatial heterogeneity in dynamic contrast-enhanced MRI parameter maps[J].Magn Reson Med,2009,62(2):488-499.

[4]Craciunescu OI,Das SK,Clegg ST.Dynamic contrastenhanced MRI and fractal characteristics of percolation clusters in two-dimensional tumor blood perfusion[J].J Biomech Eng,1999,121(5):480-486.

[5]Goh V,Sanghera B,Wellsted DM,et al.Assessment of the spatial pattern of colorectal tumour perfusion estimated at perfusion CT using two-dimensional fractal analysis[J].Eur Radiol,2009,19(6):1358-1365.

[6]Lind JS,Meijerink MR,Dingemans AM,et al.Dynamic contrastenhanced CT in patients treated with sorafenib and erlotinib for non-small cell lung cancer: a new method of monitoring treatment?[J].Eur Radiol,2010,20(12):2890-2898.

[7]Fournier LS,Oudard S,Thiam R,et al.Metastaticrenal carcinoma:evaluation of antiangiogenic therapy with dynamic contrastenhanced CT[J].Radiology,2010,256(2):511-518.

[8]Smith TG Jr,Lange GD,Marks WB.Fractal methods and results in cellular morphology:dimensions, lacunarity and multifractals[J].J Neurosci Methods,1996,69(2):123-136.

[9]Plotnick RE,Gardner RH,Hargrove WW,et al.Lacunarity analysis: a general technique for the analysis of spatial patterns[J].Phys Rev E Stat Phys Plasmas Fluids Relat Interdiscip Topics,1996,53(5):5461-5468.

[10]Bland JM,Altman DG.Statistical methods for assessing agreement between two methods of clinical measurement[J].Lancet,1986,1(8476):307-310.

[11]Kiessling F,Boese J,Corvinus C,et al.Perfusion CT in patients with advanced bronchial carcinomas:a novel chance for characterization and treatment monitoring?[J].Eur Radiol,2004,14(7):1226-1233.

[12]Eberhard A,Kahlert S,Goede V,et al.Heterogeneity of angiogenesis and blood vessel maturation in human tumors:implications for antiangiogenic tumor therapies[J].Cancer Res,2000,60(5):1388-1393.

[13]Vaupel P,Mayer A.Hypoxia in cancer:significance and impact on clinical outcome[J].Cancer Metastasis Rev,2007,26(2):225-239.

[14]Gazit Y,Baish JW,Safabakhsh N,et al.Fractal characteristics of tumor vascular architecture during tumor growth and regression[J].Microcirculation,1997,4(4):395-402.

[15]Veenland JF,Grashius JL,van der Meer F,et al.Estimation of fractal dimension in radiographs[J].Med Phys,1996,23(4):585-594.

[16]Kido S,Kuriyama K,Higashiyama M,et al.Fractal analysis of internal and peripheral textures of small peripheral bronchogenic carcinomas in thinsection computed tomography: comparison of bronchioloalveolar cell carcinomas with nonbronchioloalveolar cell carcinomas[J].J Comput Assist Tomogr,2003,27(1):56-61.

[17]Kido S,Kuriyama K,Higashiyama M,et al.Fractal analysis of small peripheral pulmonary nodules in thin-section CT:evaluation of the lung-nodule interfaces[J].J Comput Assist Tomogr,2002,26(4):573-578.

[18]Dougherty G,Henebry GM.Lacunarity analysis of spatial pattern in CT images of vertebral trabecular bone for assessing osteoporosis[J].Med Eng Phys,2002,24(2):129-138.

[19]Lopes R,Betrouni N.Fractal and multifractal analysis:a review[J].Med Image Anal,2009,13(4):634-649.