T2WI直方圖鑒別診斷腦膠質母細胞瘤與單發轉移瘤的價值

張國琴，陳 鑫，張思靜，高翠華，阮秀杭，江新青，魏新華

(廣州醫科大學附屬市一人民醫院放射科，廣東 廣州 510180)

T2WI直方圖鑒別診斷腦膠質母細胞瘤與單發轉移瘤的價值

張國琴，陳 鑫，張思靜，高翠華，阮秀杭，江新青，魏新華*

(廣州醫科大學附屬市一人民醫院放射科，廣東 廣州 510180)

目的探討T2WI直方圖鑒別診斷膠質母細胞瘤(GBM)與單發轉移瘤瘤體中的價值。方法回顧性分析經手術病理確診的GBM和單發轉移瘤患者103例，其中GBM組57例，單發轉移瘤組46例。所有患者術前均接受MR檢查(T1WI、T2WI、T2-FLAIR和增強后T1WI)。采用Image J軟件于腫瘤最大層面手動勾畫瘤體邊界，計算直方圖相關參數，包括均數、標準差、中位數、峰度值和偏度值。采用獨立樣本t檢驗比較GBM與腦單發轉移瘤的直方圖各參數，評價差異有統計學意義參數的診斷效能。結果GBM組的均數、標準差及中位數均高于單發轉移瘤組，差異有統計學意義(P均<0.05)。均數、標準差及中位數的ROC曲線下面積分別為0.772[95%CI(0.681，0.862)，P<0.001]、0.719[95%CI(0.616，0.822)，P<0.001]和0.767[95%CI(0.674，0.860)，P<0.001]。以均數臨界值為509.575，鑒別兩種病變的敏感度為0.719，特異度為0.783；以標準差臨界值為58.844，鑒別兩種病變的敏感度為0.702，特異度為0.652；以中位數臨界值為550.500，鑒別兩種病變的敏感度為0.719，特異度為0.826。結論腫瘤瘤體T2WI直方圖均數、標準差和中位數均可用于GBM和腦單發轉移瘤的鑒別，其中以均數的鑒別診斷效能最佳。

磁共振成像；直方圖；膠質母細胞瘤；腫瘤轉移

顱內最常見的惡性腫瘤以膠質母細胞瘤(glioblastoma multiform, GBM)及腦轉移瘤多見，其中單發轉移瘤約占腦轉移瘤的50%[1]。當存在明確的原發腫瘤并顱內多發占位性病變時，診斷腦轉移瘤較容易，但當顱內僅表現為單個病灶時，腦GBM及單發轉移瘤的鑒別診斷較困難，同時由于兩者的治療方法及預后有較大差別，故術前準確鑒別這兩種病變極為重要。據報道[2]，鑒別GBM及單發轉移瘤的正確率低于60%，同時對于具有原發非顱內腫瘤的患者，其GBM的發生率也較高[3]，對兩者正確地鑒別較困難。多種方法如腦灌注成像[4]、擴散加權成像[5-6]、擴散張量成像[7]、MR波普成像[8]可用于GBM與腦轉移瘤的鑒別，但均屬于功能成像?；贛R常規序列定量分析對二者的鑒別診斷報道鮮見。本研究探討MR常規序列T2WI直方圖對腦GBM和腦內單發轉移瘤的鑒別價值。

1 資料與方法

1.1 一般資料 分析2007年9月—2017年6月于我院經手術病理確診的患者103例，其中腦GBM 57例(GBM組)，男34例，女23例，年齡1～78歲，平均(46.0±17.0)歲；腦單發轉移瘤46例(單發轉移瘤組)，其中男32例，女14例，年齡40～81歲，平均(59.0±10.0)歲，腦轉移瘤的原發灶包括肺癌28例，乳腺癌6例，消化道癌來源5例，肝細胞癌1例，前列腺癌1例，黑色素瘤1例，不明來源4例。納入標準：術前均接受MR常規檢查，包括軸位T1W、T2W、FLAIR序列和增強T1WI；經手術及病理證實為腦GBM或腦轉移瘤；腦轉移瘤均為單發病灶。

1.2 儀器與方法 采用Siemens Verio 3.0T和Philips Achieva 1.5T MR掃描儀，其中54例(GBM組24例；腦轉移瘤組30例)行3.0T MR掃描，50例(GBM組33例；腦轉移瘤組17例)行1.5T MR掃描，分別選用12通道頭線圈和8通道頭線圈。采用常規自旋回波序列軸位T1W、T2W和FLAIR序列，矢狀位T2W以及軸位、冠狀位和矢狀位增強T1W。3.0T MR掃描儀掃描參數：T1WI，TR 600 ms，TE 8.9 ms；T2WI，TR 3 500 ms，TE 97 ms；層厚5 mm，層間距1 mm，矩陣256×256；FLAIR序列，TR 8 000～8 400 ms，TE 116～120 ms。1.5T MR掃描儀掃描參數：T1WI，TR 499 ms，TE 15 ms；T2WI，TR 3 567 ms，TE 100 ms；層厚6 mm，層間距0.5 mm，矩陣256×256。FLAIR序列，TR 6 000 ms，TE 120 ms。增強掃描參數同平掃T1WI，對比劑為Gd-DTPA，劑量0.1 mmol/kg體質量，采用高壓注射器自肘靜脈快速注射，流率2 ml/s，注射對比劑后即行軸位、矢狀位和冠狀位T1WI掃描。

1.3 圖像分析 采用Image J軟件進行圖像分析。由2名分別具有5年及10年影像診斷經驗的醫師分析數據。選取瘤體最大層面，于T2WI手動勾畫瘤體輪廓(圖1)，每個病灶均與T1W增強掃描的圖像對比，明確瘤體邊界。對所有圖像均調整窗寬、窗位，保證各圖像的窗寬、窗位一致。計算腫瘤瘤體的直方圖參數，包括均數、標準差、中位數、峰度值及偏度值。

圖1 采用Image J軟件手動測量數據示意圖

1.4 統計學分析 采用SPSS 20.0統計分析軟件。采用組內相關系數(intra-class correlation coefficients, ICC)評估2名測量者的一致性(ICC>0.75為一致性較好)。采用Kolmogorov-Smirnov法和Levene法分別檢驗正態性和方差齊性，符合正態分布及方差齊性的數據以±s表示，比較采用獨立樣本t檢驗；不符合正態分布及方差齊性數據比較采用Wilcoxon檢驗。對差異有統計學意義的直方圖參數繪制ROC曲線，確定鑒別腦GBM及腦單發轉移瘤的最佳臨界值，計算各參數的鑒別診斷效能(敏感度、特異度、陽性預測值及陰性預測值)。P<0.05為差異有統計學意義。

2 結果

2.1 測試者間一致性的評價 2名測量者評價GBM的直方圖參數均數、標準差、中位數、峰度值及偏度值的ICC分別為0.86、0.84、0.82、0.81和0.66，評價腦單發轉移瘤的ICC值分別為0.99、0.99、0.99、0.92和0.66，均具有較好的一致性，其中腦單發轉移瘤的直方圖各參數測量者間的一致性均較GBM高。

2.2 T2WI直方圖參數比較 兩組病變的直方圖參數均符合正態分布及方差齊性。GBM組的均數、標準差及中位數大于單發轉移瘤組，差異有統計學意義(P均<0.001)，峰度值及偏度值差異無統計學意義(P均>0.05；表1，圖2、3)。

2.3 診斷效能 均數、標準差及中位數鑒別腦GBM及單發轉移瘤的診斷效能見表2、圖4～6，其中均數具有最高的診斷效能，其曲線下面積為0.772，最佳臨界值為509.575，其敏感度為0.719，特異度為0.783。

3 討論

由于腦GBM和腦轉移瘤的預后和治療方法有很大的差別，故術前精確鑒別二者有重要的臨床意義。直方圖分析可反映整個瘤體的信號特點，可體現病變異質性。有研究[9-10]發現于T2WI上可更好地提取相關腫瘤的紋理特征。故本研究采用MR常規序列T2WI直方圖鑒別GBM和腦單發轉移瘤，結果發現腫瘤瘤體部分的T2W直方圖參數(均數、中位數及標準差)可用于鑒別GBM和腦單發轉移瘤，其中均數具有較高的敏感度和特異度。

表1 GBM組與單發轉移瘤組的直方圖參數比較(±s)

表1 GBM組與單發轉移瘤組的直方圖參數比較(±s)

組別均數標準差中位數偏度峰度GBM組834.34±471.93170.75±122.32821.93±480.500.08±0.790.27±1.79單發轉移瘤組373.13±309.3677.63±91.56376.98±337.990.23±0.920.83±1.86t值5.964.425.51-0.89-1.56P值<0.001<0.001<0.001>0.05>0.05

表2 T2WI直方圖各參數的診斷效能

圖2 患者男，58歲，高級別GBM MR T2WI圖(A)和直方圖(B)，直方圖示腫瘤在T2WI上信號值較高，高峰較為平緩，且信號值跨度較大 圖3 患者男，58歲，腦單發轉移瘤 A.MR T2WI可見轉移瘤實性成分較多，囊變少見; B.直方圖可見轉移瘤瘤體信號較集中，高峰較為陡直

圖4 均數的ROC曲線 圖5 標準差的ROC曲線 圖6 中位數的ROC曲線

直方圖中的均數和中位數均用于反映數據集中趨勢和平均水平。本研究發現腦GBM的均數和中位數均高于腦單發轉移瘤，與張勝等[11]的研究結果不一致，考慮原因可能有：由于GBM的體積常大于顱內轉移瘤[2]；有研究[12]提出高級別GBM發生壞死、囊變、出血更常見，故本研究在手動采集數據時未避開壞死囊變區，而是作為ROI，但張勝等[11]未將壞死囊變區納入ROI；另外MR常規序列T2WI信號表現與DWI、DCE等的信號特點不同，導致結果存在差異。

本研究發現均數的診斷效能較中位數更好，因為均數是對所有數據的整合分析，穩定性較好，而中位數雖然不受少數特大值與特小值的影響，但只是對于單個數據的分析，與Ma等[13]的研究結果相符。

直方圖標準差、峰度及偏度可反映腫瘤實質區像素點間差異的大小、數據變異程度以及對稱性。本研究發現GBM組的標準差大于單發轉移瘤，差異有統計學意義。標準差主要描述病變特征值的平均值分散程度。隨標準差的增大，大部分數據偏離平均值，反映病變不均勻。由于高級別GBM屬于顱內原發腫瘤，血供豐富，更易發生壞死、囊變、出血等，導致瘤體不均勻，而轉移瘤囊變壞死相比GBM少見，相對均勻，因此GBM的標準差較轉移瘤大。Blanchet等[14]亦提到由于GBM常沿白質纖維束、腦脊液及腦膜生長使瘤體表現不均質。

本研究發現轉移瘤和GBM T2WI的偏度、峰度值差異無統計學意義，與Falk等[15]的研究結果不一致，可能因本研究是基于二維直方圖參數，并未囊括整個瘤體，另外本研究采用1.5T和3.0T MR掃描儀進行檢查，可能有一定影響。雖然峰度與偏度兩者間差異無統計學意義，但可發現腦轉移瘤的峰度及偏度大于腦GBM，與Rahman等[16]的研究結果一致。另外本研究在ICC評價過程中發現腦GBM與腦單發轉移瘤偏度的ICC值相近但低于0.75，可能因本研究所使用的軟件的系統誤差所致，或由于整個ROI在2名醫師手動選擇時不能完全一致所致。

本研究的局限性：樣本量較少，尤其腦單發轉移瘤的病例少于腦GBM病例，需大樣本進行相關驗證；僅分析瘤體最大層面的二維特征，未獲取整個瘤體的三維特征，今后可進一步探討三維特征的鑒別價值；瘤周水腫帶對于高級別腦GBM及腦單發轉移瘤具有鑒別價值[17-18]，但本研究僅比較了瘤體部分直方圖參數，未對瘤周水腫帶進行分析。

總之，腫瘤瘤體部分的T2WI直方圖參數(均數、標準差及中位數)可用于鑒別腦GBM和單發轉移瘤，其中均數可較好地區分腦GBM和單發轉移瘤，為臨床鑒別診斷提供客觀依據。

[1] Ranjan T, Abrey LE. Current management of metastatic brain disease. Neurotherapeutics, 2009,6(3):598-603.

[2] Georgiadis P, Cavouras D, Kalatzis I, et al. Improving brain tumor characterization on MRI by probabilistic neural networks and non-linear transformation of textural features. Comput Methods Programs Biomed, 2008,89(1):24-32.

[3] Jung BC, Arevalo-Perez J, Lyo JK, et al. Comparison of glioblastomas and brain metastases using dynamic contrast-enhanced perfusion MRI. J Neuroimaging, 2016,26(2):240-246.

[4] Cha S, Lupo JM, Chen MH, et al. Differentiation of glioblastoma multiforme and single brain metastasis by peak height and percentage of signal intensity recovery derived from dynamic susceptibility-weighted contrast-enhanced perfusion MR imaging. AJNR Am J Neuroradiol, 2007,28(6):1078-1084.

[5] Lee EJ, terBrugge K, Mikulis D, et al. Diagnostic value of peritumoral minimum apparent diffusion coefficient for differentiation of glioblastoma multiforme from solitary metastatic lesions. AJR Am J Roentgenol, 2011,196(1):71-76.

[6] 宋莉,王霄英,謝晟,等.DWI以及ADC值測量在腦腫瘤鑒別診斷中的價值.中國醫學影像技術,2005,21(3):354-357.

[7] Wang S, Kim SJ, Poptani H, et al. Diagnostic utility of diffusion tensor imaging in differentiating glioblastomas from brain metastases. AJNR Am J Neuroradiol, 2014,35(5):928-934.

[8] Halshtok Neiman O, Sadetzki S, Chetrit A, et al. Perfusion-weighted imaging of peritumoral edema can aid in the differential diagnosis of glioblastoma mulltiforme versus brain metastasis. Isr Med Assoc J, 2013,15(2):103-105.

[9] Drabycz S, Roldan G, de Robles P, et al. An analysis of image texture, tumor location, and mgmt promoter methylation in glioblastoma using magnetic resonance imaging. Neuroimage, 2010,49(2):1398-1405.

[10] 陳鑫,魏新華,楊蕊夢,等.常規MRI紋理分析鑒別腦膠質母細胞瘤和單發轉移瘤的價值.中華放射學雜志,2016, 50(3):186-190.

[11] 張勝,李玉林,黃送.增強T1WI直方圖在膠質母細胞瘤和腦單發轉移瘤鑒別診斷中的應用.中國醫學影像學雜志,2017,25(2):89-92.

[12] Alexander CG, Thomas J, Cummings RC, et al. Lymphomas and high-grade astrocytomas: Comparison of water diffusibility and histologic characteristics. Radiology, 2002,224(1):177-183.

[13] Ma JH, Kim HS, Rim NJ, et al. Differentiation among glioblastoma multiforme, solitary metastatic tumor, and lymphoma using whole-tumor histogram analysis of the normalized cerebral blood volume in enhancing and perienhancing lesions. AJNR Am J Neuroradiol, 2010,31(9):1699-1706.

[14] Blanchet L, Krooshof PW, Postma GJ, et al. Discrimination between metastasis and glioblastoma multiforme based on morphometric analysis of MR images. AJNR Am J Neuroradiol, 2011,32(1):67-73.

[15] Falk A, Fahlstrom M, Rostrup E, et al. Discrimination between glioma grades Ⅱ and Ⅲ in suspected low-grade gliomas using dynamic contrast-enhanced and dynamic susceptibility contrast perfusion MR imaging: A histogram analysis approach. Neuroradiology, 2014,56(12):1031-1038.

[16] Rahman R, Hamdan A, Zweifler R, et al. Histogram analysis of apparent diffusion coefficient within enhancing and nonenhancing tumor volumes in recurrent glioblastoma patients treated with bevacizumab. J Neurooncol, 2014,119(1):149-158.

[17] Wijnen JP, Idema AJ, Stawicki M, et al. Quantitative short echo time1H MRSI of the peripheral edematous region of human brain tumors in the differentiation between glioblastoma, metastasis, and meningioma. J Magn Reson Imaging, 2012,36(5):1072-1082.

[18] Lafitte F, Morel-Precetti S, Martin-Duverneuil N, et al. Multiple glioblastomas: CT and MR features. Eur Radiol, 2001,11(1):131-136.

ValueofT2WIhistogramanalysisindifferentialdiagnosisofglioblastomaandsolitarymetastaticbraintumor

ZHANGGuoqin,CHENXin,ZHANGSijing,GAOCuihua,RUANXiuhang,JIANGXinqing,WEIXinhua*

(DepartmentofRadiology,GuangzhouFirstPeople'sHospital,GuangzhouMedicalUniversity,Guangzhou510180,China)

ObjectiveTo investigate the value of T2WI histogram analysis in differential diagnosis of glioblastoma multiform (GBM) from solitary metastasis.MethodsData of 103 patients with pathologically confirmed GBM (GBM group,n=57) and solitary brain metastasis (solitary brain metastasis group,n=46) were retrospectively reviewed. All patients underwent conventional MR scanning, including axial T1WI, T2WI, FLAIR and contrast-enhanced T1WI before surgery. The histogram metrics, including mean, standard deviation (SD), median, kurtosis and skewness were calculated from ROI, which were manually placed on the maximal section of the solid part of tumors on T2WI by using Image J software. ROCs were generated to evaluate differential diagnostic performance of the histogram metrics with significant difference between both groups.ResultsThe values of mean, SD and median were significantly higher in GMB group than those in solitary brain metastasis group (P<0.05). The areas under ROC curve of mean, SD and median was 0.772 (95% CI [0.681, 0.862],P<0.001), 0.719 (95% CI [0.616, 0.822],P<0.001) and 0.767 (95% CI [0.674, 0.860],P<0.001), respectively; and the diagnosis cutoff value of mean, SD and median was 509.575, 58.844 and 550.500, respectively. The sensitivity of the three parameters was 0.719, 0.702 and 0.719, and the specificity was 0.783, 0.652, and 0.826, respectively.ConclusionThe value of mean, SD and median of T2WI histogram analysis can be helpful to differentiating GBM and solitary brain metastasis, of which the mean value is the best for differential diagnosis.

Magnetic resonance imaging; Histogram; Glioblastoma; Neoplasm metastasis

R739.4; R445.2

A

1003-3289(2017)12-1779-05

國家自然科學基金青年科學基金項目(81601469)。

張國琴(1994—)，女，湖北宜昌人，在讀碩士，醫師。研究方向：神經影像學。E-mail: 463585193@qq.com

魏新華，廣州醫科大學附屬市一人民醫院放射科，510180。E-mail: weixinhua@aliyun.com

2017-09-25

2017-10-30

10.13929/j.1003-3289.201709134