乳腺X線圖像紋理特征預測乳腺癌腋窩淋巴結轉移

譚紅娜，武明輝，顧建欽，劉廣芝，史大鵬，吳青霞，王梅云,*

(1.河南省人民醫院放射科，河南 鄭州 450003；2.河南省神經疾病影像診斷與研究重點實驗室，河南 鄭州 450003；3.河南省臨床大數據分析與服務工程研究中心，河南 鄭州 450003)

乳腺X線圖像紋理特征預測乳腺癌腋窩淋巴結轉移

譚紅娜1,2，武明輝1,2，顧建欽3，劉廣芝3，史大鵬1,2，吳青霞1,2，王梅云1,2,3*

(1.河南省人民醫院放射科，河南 鄭州 450003；2.河南省神經疾病影像診斷與研究重點實驗室，河南 鄭州 450003；3.河南省臨床大數據分析與服務工程研究中心，河南 鄭州 450003)

目的探討乳腺X線圖像紋理特征預測乳腺癌腋窩淋巴結轉移的價值。方法回顧性分析171例病理證實為非特殊類型浸潤性乳腺癌患者的X線及臨床資料。所有患者均接受腋窩淋巴結清掃手術，并根據手術及病理結果將患者分為腋窩淋巴結轉移組和非轉移組。分析患者的X線頭尾位圖像紋理特征，應用灰度直方圖及灰度共生矩陣紋理分析方法測定均值、標準偏差、偏度、峰度、方差、能量、熵、自相關、慣量、逆差距和反差等11個紋理參數。結果171例患者中淋巴結轉移組96例，非轉移組75例。X線檢出腋窩淋巴結陰性119例，陽性52例，其診斷腋窩淋巴結轉移的敏感度和特異度分別為48.96%(47/96)和93.33%(70/75)。X線圖像紋理分析結果顯示腋窩淋巴結轉移組能量、熵、逆差距、自相關值均高于非轉移組，慣量、反差值均低于非轉移組(P均<0.05)；其余紋理特征參數值兩組間差異無統計學意義(P均>0.05)。紋理參數值能量、熵、慣量、逆差距、自相關和反差診斷腋窩淋巴結轉移的ROC曲線下面積(AUC)值分別為0.610、0.610、0.374、0.599、0.612和0.421(P均<0.05)。乳腺X線檢查、紋理特征及X線聯合紋理特征診斷腋窩淋巴結轉移的AUC值分別為0.711、0.676和0.787(P均<0.05)；紋理特征、乳腺X線聯合紋理特征診斷腋窩淋巴結轉移的敏感度分別為62.5%和64.6%，特異度分別為66.7%和82.7%。結論乳腺X線圖像紋理參數對腋窩淋巴結轉移有一定的預測作用，且乳腺X線聯合紋理特征可提高對腋窩淋巴結轉移的診斷效能。

乳腺腫瘤；淋巴結轉移；乳房X線攝影術；紋理分析

腋窩淋巴結是乳腺癌最重要的淋巴轉移途徑，其是否發生轉移是影響乳腺癌患者選擇治療方案、準確臨床分期及評估預后的重要因素，也是患者術后選擇輔助治療方案的重要依據。乳腺X線檢查是乳腺疾病最基本的影像學檢查方法，主要用于乳腺癌的篩查和診斷，但其檢出腋窩淋巴結轉移的價值有限[1]。目前腋窩前哨淋巴結活檢(sentinel lymph node biopsy, SLNB)已成為評價乳腺癌患者腋窩淋巴結與否發生轉移的標準處理模式[2-3]。但SLNB為有創性檢查、存在一定的假陰性率，前哨淋巴結的檢出率易受操作者經驗的影響，且存在微轉移及跳躍轉移的現象。圖像紋理分析是通過定量提取肉眼無法識別的紋理特征，進一步反映ROI內像素灰度值分布模式及變化規律的影像組學技術手段，有助于揭示腫瘤病灶內的潛在異質性[4-5]。本研究回顧性分析171例手術病理證實為乳腺癌患者的X線圖像紋理特征，旨在探討乳腺X線圖像紋理特征預測乳腺癌腋窩淋巴結轉移的價值。

1 資料與方法

1.1 一般資料 收集2013年6月—2016年10月在本院診斷為乳腺非特殊類型浸潤性癌的患者171例，均為女性，年齡33～85歲，平均(53.2±10.7)歲。患者均以發現乳房腫塊就診，病程數天至7年。納入標準：①首次經手術病理證實為非特殊類型浸潤性乳腺癌；②術前接受乳腺X線檢查；③乳腺X線檢查后均接受腋窩淋巴結清掃(axillary lymph node dissection, ALND)手術；④圖像質量滿足后處理要求。

1.2 儀器與方法 采用Hologic Selenia數字乳腺機，拍攝雙側乳腺內外側斜位(mediolateral oblique, MLO)和頭尾位(cranial caudal, CC)片，必要時加壓放大攝片；攝片參數：電壓28 kV，電流60 mAs。X線圖像以DICOM格式從PACS系統中導出。

1.3 圖像分析 病變征象描述參照美國放射學會推薦的第5版乳腺影像報告和數據系統(breast imaging reporting and data system, BI-RADS)[6]。腋窩淋巴結轉移診斷標準為：MLO片顯示腋窩單發類圓形腫大且淋巴結短徑≥10 mm或多個類圓形高密度淋巴結且短徑之和≥10 mm，需除外含有脂肪密度的腫大淋巴結。采用GE CT AK軟件進行紋理分析，將患者患側DICOM格式的CC位圖片導入軟件，由1名乳腺X線診斷經驗豐富的高年資醫師手動勾畫腫瘤組織ROI(圖1)，軟件自動計算多種紋理特征參數。紋理特征參數包括5種反映灰度值分布的直方圖特征(均值、標準偏差、偏度、峰度、方差)和6種反映圖像異質性的灰度共生矩陣(gray level co-occurrence matrix， GLCM)的紋理特征(能量、熵、自相關、慣量、逆差距、反差)。

1.4 統計學分析 采用SPSS 22.0統計分析軟件。計量資料以±s表示。采用獨立樣本t檢驗(正態分布)或Mann-WhitneyU檢驗(非正態分布)比較淋巴結轉移組和非轉移組乳腺癌病灶的各項紋理參數值。以ALND結果為金標準，對差異有統計學意義的指標進行ROC分析并計算曲線下面積(area under the curve, AUC)，獲得圖像紋理特征參數診斷乳腺癌腋窩淋巴結轉移的最佳閾值、敏感度和特異度。P<0.05為差異有統計學意義。

2 結果

171例乳腺癌患者組織學SBR分級Ⅰ級3例(3/171，1.76%)、Ⅱ級103例(103/171，60.23%)、Ⅲ級65例(65/171，38.01%)。ALND證實淋巴結轉移96例(96/171，56.14%；淋巴結轉移組)，非淋巴結轉移75例(75/171，43.86%；非淋巴結轉移組)。

2.1 乳腺X線圖像紋理特征參數 對171例乳腺癌患者X線CC位圖像進行紋理分析，結果顯示腋窩淋巴結轉移組能量、熵、逆差距、自相關值均高于非淋巴結轉移組(P均<0.05)，而慣量、反差值低于淋巴結非轉移組(P均<0.05)；其余紋理特征參數值兩組間差異無統計學意義(P均>0.05)。見表1。

2.2 ROC曲線分析 對有統計學意義的紋理參數值：能量、熵、慣量、逆差距、自相關和反差6個紋理特征參數繪制ROC曲線圖，其AUC分別為0.610、0.610、0.374、0.599、0.612和0.421(P均<0.05)。見表2、圖2。

171例乳腺癌患者中，乳腺X線檢出腋窩淋巴結陽性52例、陰性119例，X線診斷腋窩淋巴結轉移的敏感度和特異度分別為48.96%(47/96)和93.33%(70/75)。乳腺X線、紋理特征、乳腺X線聯合紋理特征診斷腋窩淋巴結轉移的效能見表3和圖3。紋理特征、乳腺X線聯合紋理特征診斷腋窩淋巴結轉移的敏感度分別為62.5%和64.6%，特異度分別為66.7%和82.7%。

表1 乳腺癌腋窩淋巴結轉移組與非轉移組X線圖像紋理特征比較(±s)

表1 乳腺癌腋窩淋巴結轉移組與非轉移組X線圖像紋理特征比較(±s)

組別均值標準偏差方差偏度峰度能量*淋巴結轉移組(n=96)2578.32±346.88476.27±94.00235577.85±93937.570.55±0.370.24±0.690.00020±0.00007非淋巴結轉移組(n=75)2571.66±284.71487.46±88.69245381.98±92666.790.49±0.330.11±0.500.00017±0.00003t/Z值0.135-0.792-0.6811.0671.4122.469P值0.8930.4300.4970.2870.1600.014組別熵慣量逆差距* 自相關反差淋巴結轉移組(n=96)8.44±0.56209.01±72.640.92±0.02 0.00068±0.000170.00150±0.00049非淋巴結轉移組(n=75)8.18±0.66241.56±76.340.84±0.01 0.00062±0.000150.00168±0.00058t/Z值2.781-2.8442.213 2.405-2.229P值0.0060.0050.027 0.0170.027

注：*：采用Mann-WhitneyU檢驗

圖1 乳腺癌ROI勾畫示意圖 A.CC位顯示不規則乳腺癌灶； B.手動勾畫ROI 圖2 乳腺X線圖像紋理分析的ROC曲線 圖3 乳腺X線檢查、紋理特征及X線聯合紋理特征診斷腋窩淋巴結轉移的ROC曲線

紋理參數AUC值標準誤P值95%CI能量0.6100.0430.014(0.526,0.649)熵0.6100.0430.014(0.525,0.695)慣量0.3740.0430.005(0.291,0.458)逆差距0.5990.0430.027(0.514,0.683)自相關0.6120.0430.012(0.527,0.697)反差0.4210.0440.078(0.335,0.507)

表3 乳腺X線檢查、紋理特征及乳腺X線聯合紋理特征診斷腋窩淋巴結轉移的效能

3 討論

乳腺癌是威脅婦女健康的最常見惡性腫瘤。腋窩淋巴結接受乳腺約70%的淋巴引流，是乳腺癌最重要的淋巴轉移途徑。本組117例非特殊類型浸潤性乳腺癌患者中，56.14% (96/171)患者發生腋窩淋巴結轉移。盡管腋窩SLNB已經成為評價乳腺癌患者腋窩淋巴結是否發生轉移的標準處理模式[2-3]，但其具有一定的局限性，很難在基層醫院開展。因此，盡管ALND常伴多種術后并發癥，如患肢水腫、麻木與感覺異常，肩關節活動障礙等，但ALND仍是多數醫院保留乳房手術中不可或缺的部分。

乳腺X檢查主要用于篩查和診斷乳腺癌，是乳腺疾病最基本的影像學檢查方法，但其術前檢出腋窩淋巴結轉移的價值有限。Valente等[1]研究結果顯示，乳腺X線檢出腋窩淋巴結轉移的敏感度和特異度分別為21.0%和99.5%；喬江華等[7]報道，乳腺X線僅可檢出約1/3的腋窩轉移性淋巴結。本組171例乳腺癌患者，X線檢出腋窩淋巴結陰性患者119例，陽性52例，其診斷腋窩淋巴結轉移的敏感度和特異度分別為48.96%和93.33%，敏感度較Valente等[1]研究稍高，原因可能是Valente等與本研究選取的腋窩淋巴結轉移判讀標準不同。總之，乳腺X線檢出腋窩淋巴結轉移效能較低，可能與乳腺X線檢查受體位影響不能顯示整個腋窩有關，因為MLO位僅能顯示腋前壁的組織，影響腋窩淋巴結的整體顯像。

放射組學也稱影像組學，是以定量成像技術為基礎的新興學科，2012年由荷蘭學者Lambin等[8]首次提出。放射組學是指高通量地從X線、MRI、PET及CT等醫學影像中提取大量高維的定量影像特征，將傳統的影像圖像轉換為可挖掘的數據信息，并對其進行定量分析[4,9]。圖像紋理分析是通過定量提取一些肉眼無法識別的紋理特征，進一步反映ROI內像素灰度值分布模式及變化規律的影像組學技術手段，有助于揭示腫瘤病灶內潛在的病理及生理學異質性[4-5]。紋理分析是一種描述體素、像素間灰度強度關系或其在圖像中位置關系的數學算法，其優點在于可發現肉眼不能發現的圖像細節信息；客觀測量灰度分布的不均勻性，不受主觀分析、專業水平以傳統醫學影像解釋固有限制的影響，在腫瘤病灶提取、定性、療效評估及預后預測方面具有較高價值[10-11]。本研究分析了171例非特殊類型的浸潤性乳腺癌CC位圖像的11個紋理特征，結果顯示反映像素值分布情況的灰度直方圖紋理參數，包括均值、偏度、峰度、標準偏差和方差預測乳腺癌腋窩淋巴結轉移方面價值不大(P均>0.05)；而GLCM紋理參數中的能量、熵、逆差距、自相關值在淋巴結轉移患者均高于非淋巴結轉移患者，慣量、反差值低于淋巴結非轉移患者 (P均<0.05)，說明發生腋窩淋巴結轉移的癌灶其紋理分布更加隨機復雜、灰度反差程度高，即異質性更強[5,12]。本研究對有統計學意義的6個紋理參數值繪制ROC曲線，結果顯示能量、熵、慣量、逆差距、自相關和反差的AUC分別為0.610、0.610、0.374、0.599、0.612和0.421，表明能量、熵及逆差距參數較慣量、自相關及反差參數更能反映發生腋窩淋巴結轉移癌灶的異質性，也說明單一的紋理參數特征預測乳腺癌腋窩淋巴結轉移效能較低。本研究進一步分析比較了乳腺X線檢查、紋理特征及X線聯合紋理特征診斷乳腺癌腋窩淋巴結轉移的效能，結果表明紋理特征和X線檢查聯合診斷效能明顯高于單一的X線檢查和紋理特征分析，且將單一X線檢查預測腋窩淋巴結轉移的AUC值由0.711提高到0.787，敏感度由48.96%提高到64.6%。因此，乳腺X線聯合紋理分析在一定程度上有助于檢出更多的腋窩轉移性淋巴結。

本研究的局限性：①僅對乳腺癌病灶所在的CC位圖像進行紋理分析，未考慮MLO位圖像紋理特征，可能會造成結果偏差，故可結合同一乳腺癌灶的不同拍攝體位圖像進行分析；②紋理分析中病灶邊界的勾畫均由放射科醫師手動勾畫，對病灶具體輪廓的判定受個人經驗影響較大，且難以剔除病灶內的鈣化灶；③既往多數研究會使用濾過技術對圖像進行標化處理，而筆者認為濾過會丟失一部分紋理信息，故未使用；④本研究樣本量較小。

總之，乳腺X線圖像紋理參數對腋窩淋巴結轉移有一定的預測作用，且聯合應用乳腺X線及紋理特征可提高診斷腋窩淋巴結轉移的效能。

[1] Valente SA, Levine GM, Silverstein MJ, et al. Accuracy of predicting axillary lymph node positivity by physical examination, mammography, ultrasonography, and magnetic resonance imaging. Ann Surg Oncol, 2012,19(6):1825-1830.

[2] Krag DN, Anderson SJ, Julian TB, et al. Sentinel-lymph-node resection compared with conventional axillary-lymph node dissection in clinically node-negative patients with breast cancer: Overall survival findings from the NSABP B-32 randomised phase 3 trial. Lancet Oncol, 2010,11(10):927-933.

[3] Chen JJ, Chen JY, Yang BL, et al.Comparison of molecular analysis and touch imprint cytology for the intraoperative evaluation of sentinel lymph nodes in primary breast cancer: Results of the China Breast Cancer Clinical Study Group (CBCSG) 001c trial. Eur J Surg Oncol, 2013,39(5):442-449.

[4] Gillies RJ, Kinahan PE, Hricak H. Radiomics: Images are more than pictures, they are data. Radiology, 2016,278(2):563-577.

[5] 顏智敏,馮智超,曹鵬,等.多層螺旋CT圖像紋理分析對直腸癌轉移性淋巴結的診斷價值.中華放射學雜志,2017,51(6):432-436.

[6] American College of Radiology. Breast imaging reporting and data system (BI-RADS), 5th ed. Reston: American College of Radiology, 2013.

[7] 喬江華,朱立元,韋偉.數字化鉬靶檢查在判斷乳腺癌腋窩淋巴結轉移中的價值探討.臨床外科雜志,2007,15(11):751-752.

[8] Lambin P, Rios-Velazquez E, Leijenaar R, et al. Radiomics: Extracting more information from medical images using advanced feature analysis. Eur J Cancer, 2012,48(4):441-446.

[9] Kumar V, Gu Y, Basu S, et al. Radiomics: The process and the challenges. Magn Reson Imaging, 2012,30(9):1234-1248.

[10] Ravanelli M, Farina D, Morassi M, et al. Texture analysis of advanced non-small cell lung cancer (NSCLC) on contrast-enhanced computed tomography: Prediction of the response to the first-line chemotherapy. Eur Radiol, 2013,23(12):3450-3455.

[11] Andersen MB, Harders SW, Ganeshan B, et al. CT texture analysis can help differentiate between malignant and benign lymph nodes in the mediastinum in patients suspected for lung cancer. Acta Radiol, 2016,57(6):669-676.

[12] Kim SY, Lee E, Nam SJ, et al. Ultrasound texture analysis: Association with lymph node metastasis of papillary thyroid microcarcinoma. PLoS One, 2017,12(4):e0176103.

Mammogramtextureanalysisinpredictionofaxillarylymphnodemetastasisforbreastcarcinoma

TANHongna1,2,WUMinghui1,2,GUJianqin3,LIUGuangzhi3,SHIDapeng1,2,WUQingxia1,2,WANGMeiyun1,2,3*

(1.DepartmentofRadiology,HenanProvincialPeople'sHospital,Zhengzhou450003,China;2.ImagingDiagnosisofNeurologicalDiseasesandResearchLaboratoryofHenanProvince,Zhengzhou450003,China; 3.ClinicalDataAnalysisResearchandEngineeringServiceCenterofHenanProvince,Zhengzhou450003,China)

ObjectiveTo explore the value of mammogram texture analysis in prediction of metastasis of axillary lymph nodes for breast carcinoma.MethodsMammograms and clinical data of 171 patients with breast carcinoma confirmed by pathology were retrospectively analyzed, and all patients underwent axillary lymph node dissection (ALND). Then the patients were divided into axillary lymph node metastasis group and non-metastasis group according to the result of ALND. The texture features of these lesions were statistically analyzed, including gray-level histogram texture parameters (mean value, standard deviation, skewness, kurtosis and variance) and gray-level co-occurrence matrix texture parameters (energy, entropy, correlation, inertia, inverse difference moment and contrast).ResultsIn all of 171 breast cancer patients, 96 patients had axillary lymph node metastasis, while 75 patients had no metastasis. Mammograms showed negative axillary lymph nodes in 119 patients and positive axillary lymph nodes in 52 patients, and the sensitivity and specificity of mammograms in the diagnosis of positive axillary lymph nodes was 48.96% (47/96) and 93.33% (70/75), respectively. Mammogram texture analysis showed the values of energy, entropy, inverse difference moment and correlation in axillary lymph node metastasis group were higher than those in non-metastasis group, while the values of inertia and contrast in the axillary lymph node metastasis group were lower than those in non-metastasis group (allP<0.05). The rest texture parameters had no significant differences between two groups (allP>0.05). Area under curve (AUC) for texture parameters of energy, entropy, inertia, inverse difference moment, correlation and contrast was 0.610, 0.610, 0.374, 0.599, 0.612 and 0.421 (allP<0.05), respectively. AUC of mammography, mammogram texture features, and the combination of mammography and texture features was 0.711, 0.676 and 0.787 (allP<0.05), respectively. The sensitivity and specificity of mammogram texture features, the combination of mammography and texture features in diagnosis of axillary lymph nodes metastasis was 62.5% and 64.6%, 66.7% and 82.7%, respectively.ConclusionMammogram texture parameters are helpful for predicting axillary lymph node metastasis, and the combination of mammography and texture features can improve diagnostic efficiency of axillary lymph node metastasis.

Breast neoplasms; Lymphatic metastasis; Mammography; Texture analysis

R737.9; R814.41

A

1003-3289(2017)12-1774-05

國家自然科學基金(81401378)。

譚紅娜(1980—)，女，河南襄城人，博士，副主任醫師。研究方向：乳腺影像診斷及新技術應用。E-mail: natan2000@126.com

王梅云，河南省人民醫院放射科，450003；河南省神經疾病影像診斷與研究重點實驗室，450003；河南省臨床大數據分析與服務工程研究中心，450003。E-mail: marian9999@163.com

2017-09-30

2017-11-03

10.13929/j.1003-3289.201709177