MRI灰度直方圖分析在兒童后顱窩常見腫瘤中的鑒別診斷價值

朱晨迪， 張勇， 程敬亮， 董安珂， 汪衛建， 鄭瑞平

兒童神經系統腫瘤僅次于淋巴造血系統腫瘤，為兒童第二好發腫瘤，居于兒童實體腫瘤首位[1]，多位于后顱窩，其中毛細胞型星形細胞瘤、髓母細胞瘤、室管膜瘤發生率較高，其惡性程度不同，治療方式及預后亦有明顯差異，故術前正確診斷具有重要的臨床意義。常規MRI能較好的顯示腫瘤的部位、范圍及與周圍組織的關系，但對腫瘤的組織類型及分級的作用較小。近年來，灰度直方圖分析作為新興技術在疾病診斷中的應用越來越多[2]，可為疾病診斷提供更多定量信息，且經濟、簡便、易行，國外曾有文獻報道將灰度直方圖分析用于此三種腫瘤的鑒別[3]。本研究通過對83例經手術病理證實的三種兒童常見后顱窩腫瘤的MRI圖像進行分析，研究此三種腫瘤的MRI灰度直方圖的參數差異，旨在探討灰度直方圖分析對此三種兒童后顱窩腫瘤的鑒別診斷價值。

表1 三組兒童后顱窩腫瘤灰度直方圖參數比較

注：a與室管膜瘤比較P<0.05，b與星形細胞瘤比較P<0.05。

表2 三組兒童后顱窩腫瘤灰度直方圖參數比較

注：a與室管膜瘤比較P<0.05，b與星形細胞瘤比較P<0.05。

材料與方法

1.一般資料

回顧性分析本院2009年6月-2016年5月經手術病理證實的83例兒童后腫瘤患者的病例資料，其中毛細胞型星形細胞瘤27例(男14例，女13例)，髓母細胞瘤25例(男14例，女11例)，室管膜細胞瘤31例(男10例，女21例；WHO Ⅱ級20例，WHO Ⅲ級11例)，年齡1～15歲。臨床表現主要為頭痛、頭暈、嘔吐、站立不穩等。納入標準如下：①通過手術病理證實為星形細胞瘤、髓母細胞瘤、室管膜瘤中的一種；②術前在本院行MR平掃及增強檢查，具有完善的影像資料，包括橫軸面T1WI、T2WI、FLAIR、DWI和增強T1WI；③MRI圖像質量良好。

2.檢查方法

采用Siemens Skyra 3.0T MR儀，標準頭顱線圈。平掃行矢狀面及橫軸面T1WI、T2WI、液體衰減反轉恢復(FLAIR)序列及DWI。掃描參數：T1WI(TR 260.0 ms，TE 2.46 ms)；T2WI(TR 3800 ms，TE 93.0 ms)；FLAIR(TR 4500 ms，TE 93.0 ms)；DWI掃描采用SE-EPI序列， b值為0及1000 s/mm2，TR 3500 ms，TE 119 ms；視野23 cm×23 cm，層厚5 mm，層間距0.3 mm，層數20。增強掃描行矢狀面、橫軸面及冠狀面T1WI，增強掃描對比劑采用釓噴替酸葡胺(Gd-DTPA)，劑量0.2 mmol/kg，掃描參數同平掃T1WI。

3.興趣區的選取

圖像選擇：將所有患者的MR圖像從PACS工作站以.BMP格式導出，導出時調整窗寬、窗位，使所有圖像窗寬、窗位均保持一致，由于增強T1WI顯示病變范圍較清晰，因此，首先選擇矢狀面增強T1WI圖像，用于直方圖分析。

興趣區選擇及直方圖分析：采用MaZda軟件沿病變矢狀位增強T1WI圖像最大層面的腫瘤邊緣手動勾畫興趣區(regions of interest，ROI)，軟件可自動生成ROI的灰度直方圖，由灰度直方圖可計算得到以下參數：腫瘤變異度(Variance)、偏度(Skewness)、均值(Mean)、峰度(Kurtosis)、第1百分位數(Perc.01%)、第10百分位數(Perc.10%)、第50百分位數(Perc.50%)、第90百分位數(Perc.90%)、第99百分位數(Perc.99%)等。本研究中所有樣本的ROI均是在兩位影像學專家的指導下勾畫完成。分別從3種腫瘤中選取一個樣本圈出腫瘤區域，并用紅色填充腫瘤區域，將與其對應的標記前后的圖像及運行出的直方圖顯示如下(圖1～3)。

4.統計學分析

結 果

三組腫瘤灰度直方圖各參數值統計結果見表1、2。由灰度直方圖分析得到的9個參數中，Mean、Variance、Skewness、Perc.10%及Perc.50%等5個參數差異有統計學意義(P均<0.05)，其中Perc.10%及Perc.50%在室管膜瘤與毛細胞型星形細胞瘤兩組之間差異有統計學意義，Perc.10%在室管膜瘤與髓母細胞瘤間有統計學差異，Mean、Variance、Skewness、Perc.10%及Perc.50%在毛細胞型星形細胞瘤與髓母細胞瘤間差異有統計學意義。Kurtosis、Perc.01%、Perc.90%及Perc.99%在三組間差異無統計學意義(P均>0.05)。建立受試者工作特征(receiver operating characterist，ROC)曲線并計算曲線下面積(area under curve，AUC)，通過ROC曲線分析Mean、Variance、Skewness、Perc.10%及Perc.50%等5個參數在三組腫瘤兩兩之間的診斷效能，有統計學意義的參數在相應兩組腫瘤之間的AUC(圖4、5)及為兼顧敏感度和特異度選取的最佳臨界值見表3。

圖1 男，2歲，毛細胞型星形細胞瘤。a) MR增強矢狀面示四腦室內一巨大囊性腫塊，囊壁輕度強化，壁內可見小結節狀強化； b) 勾畫興趣區； c) 灰度直方圖分布較陡直，分布不對稱尾部趨向于更多較大值。圖2 女，4歲，髓母細胞瘤。a) MR增強矢狀面圖像可見四腦室內圓形中等強化腫塊； b) 勾畫興趣區； c) 灰度直方圖分布相對平緩，接近于正態分布。 圖3 男，5歲，室管膜細胞瘤(WHO Ⅲ級)。a) MR增強矢狀面圖像可見四腦室內中等強化腫塊，內可見輕度囊變，腫塊超出枕骨大孔呈“融蠟征”； b) 勾畫興趣區； c) 灰度直方圖分布相對平緩，接近于正態分布。

表3 灰度直方圖參數對毛細胞型星形細胞瘤與髓母細胞瘤的鑒別效能

圖4 Variance、Skewness鑒別診斷毛細胞型星形細胞瘤與髓母細胞瘤的ROC曲線。 圖5 Mean、Perc.10%及Perc.50%鑒別診斷毛細胞型星形細胞瘤與髓母細胞瘤的ROC曲線。

討 論

毛細胞型星形細胞瘤、髓母細胞瘤及室管膜瘤是三種常見的兒童后顱窩腫瘤，常規MRI可用于三者的鑒別診斷，但由于腫瘤影像表現之間多有重疊，診斷價值有限；就髓母細胞瘤與毛細胞型星形細胞瘤而言，T2WI上典型的髓母細胞瘤表現為稍高信號，后顱窩內毛細胞型星形細胞瘤囊變多見，囊壁可伴或不伴壁結節，在T2WI上表現為明顯高信號，但有文獻報道50% 的毛細胞型星形細胞瘤在T2WI相對于腦實質呈等或稍高信號，與髓母細胞瘤在T2WI的信號強度有重疊現象[4]。而與常規MRI影像表現相比，腫瘤的定量分析對腫瘤鑒別診斷具有更高的準確性，可在術前作為一種非侵入手段為腫瘤分類及分型提供更多有價值的信息，指導術中腫瘤切除范圍及治療方案的制定，改善預后[3]。

ADC值測量及MRS為腫瘤鑒別診斷中運用較多的定量分析方法。大量研究表明毛細胞型星形細胞瘤平均ADC值明顯高于室管膜瘤與髓母細胞瘤，但后兩者之間的平均ADC值無明顯差異[5-8]；MRS可通過定量比較物質代謝提供鑒別診斷信息，但使檢查費用增加及檢查時間延長，且其準確性易受腫瘤部位、大小及成分的影響[9]。

醫學圖像中包含大量肉眼無法觀測到的與臨床實踐相關的紋理信息，紋理分析是近年來新出現的一種圖像后處理技術，可對醫學圖像中像素的分布情況進行數學分析，獲取一系列量化腫瘤的相關參數。常用的紋理分析獲取量化參數的方法有：統計法、基于模型法、結構法和頻率法，其中統計法中的灰度直方圖分析法為醫學圖像紋理分析較常使用的分析方法，可提供圖像興趣區的像素值的灰度分布情況，在常規MRI檢查的基礎上進行分析，且操作簡便，可重復性強，可提供大量參數用于疾病診斷。灰度直方圖分析在病變鑒別診斷、腫瘤分類、分級、生存期預測等方面的應用已得到認可[10-11]。

本研究發現基于增強MRI灰度直方圖的均值、變異度、偏度及第50百分位數在后顱窩髓母細胞瘤與毛細胞型星形細胞瘤之間差異有統計學意義。均值、變異度可反映腫瘤區像素點灰度值的平均水平及灰度值的離散程度；偏度值為描述病變特征值分布對稱性的統計量，表明分布相對平均值的不對稱程度，正值表明分布不對稱趨向于較大值，分布集中于右側；負值代表分布不對稱偏向于較小值，分布集中于左側，偏度絕對值越大，分布形態越偏離正態分布。髓母細胞瘤(WHO Ⅳ級)雖惡性程度較高，但較少發生大片壞死、囊變少見，腫瘤細胞密集，灰度值分布相對均勻集中，灰度值均值較大、變異度較小，偏度較小，接近于正態分布；毛細胞型星形細胞瘤(WHOⅠ級)惡性程度雖低，但囊變明顯，腫瘤細胞密度低，灰度值分布不均，灰度值均值較小，變異度較大，曲線分布向右偏移，偏度較大；而室管膜瘤(WHOⅠ～Ⅲ級)，腫瘤細胞排列較髓母細胞瘤疏松，惡性程度及細胞密度居于髓母細胞瘤和毛細胞型星形細胞瘤之間，與兩者在此四個參數中差異不明顯。

灰度直方圖百分位數表示低于該百分位數的觀測對象的百分比，第10百分位數及第50百分位數差異有統計學意義，表明三種腫瘤及毛細胞型星形細胞瘤與室管膜瘤、毛細胞型星形細胞瘤與髓母細胞瘤之間直方圖的曲線分布僅在較低灰度值范圍內差異明顯，一定程度上反映腫瘤細胞灰度值的分布。由于本研究樣本量有限，未對髓母細胞瘤及室管膜瘤進行不同亞型的分層研究，直方圖參數是否與病理及分子亞型之間存在關聯有待進一步研究。

總之，MRI灰度直方圖作為一種輔助診斷的新方法，結合常規MRI上腫瘤的鑒別要點，有助于提高對兒童后顱窩腫瘤分類的診斷價值。

[1] Kaatsch P,Rickert CH,Kühl J,et al.Population-based epidemiologic data on brain tumors in German children[J].Cancer,200l,92(12):3155-3164.

[2] 遲淑萍.CT灰度直方圖對實性肺結節的鑒別診斷價值[J].放射學實踐,2016,31(9):866-869.

[3] Rodriguez Gutierrez D,Awwad A,Meijer L,et al.Metrics and textural features of MRI diffusion to improve classification of pediatric posterior fossa tumors[J].AJNR,2014,35(5):1009-1015.

[4] Arai K,Sato N,Aoki J,et al.MR signal of the solid portion of pilocytic astrocytoma on T2-weighted images:is it useful for differentiation from medulloblastoma[J].Neuroradiology,2006,48(4):233-237.

[5] Yamasaki F,Kurisu K,Satoh K,et al.Apparent diffusion coefficient of human brain tumors at MR imaging[J].Radiology,2005,235(3):985-991.

[6] Schneider JF,Confort-Gouny S,Viola A,et al.Multi parametric differentiation of posterior fossa tumors in children using diffusion-weighted imaging and short echo-time1H-MRspectroscopy[J].J Magn Reaon Imaging,2007,26(6):1390-1398.

[7] Rumboldt Z,Camacho DL,Lake D,et al.Apparent diffusion coefficients for differentiation of cerebellar tumors in children[J].AJNR,2006,27(6):1362-1369.

[8] Bull JG,Saunders DE,Clark CA.Discrimination of pediatric brain tumours using apparent diffusion coefficient histograms[J].Eur Radiol,2012,22(2):447-457.

[9] Davies NP,Wilson M,Harris LM,et al.Identification and characterization of childhood cerebellar tumours by in vivo proton MRS[J].NMR Biomed,2008,21(8):908-918.

[10] Kim JH,Ko ES,Lee KS,et al.Breast cancer heterogeneity:MR imaging texture analysis and survival outcomes[J].Radiology,2016,282(3):665-675.

[11] Chen X,Wei X,Zhang Z,et al.Differentiation of true-progression from pseudoprogression in glioblastoma treated with radiation therapy and concomitant temozolomide by GLCM texture analysis of conventional MRI[J].Clin Imaging,2015,39(5):775-780.