紋理分析在腫瘤影像組學中的臨床應用

陳國鈺 沈桂權△ 高波

1.貴州醫科大學附屬醫院影像科，貴州 貴陽 550004；2.煙臺毓璜頂醫院影像科，山東 煙臺 264000)

為精確反映整個腫瘤內部的生物學信息，人們使用計算機技術挖掘醫學圖像中的特征空間數據——影像組學已成為影像學研究的最新目標[1]。影像組學把全部腫瘤作為研究客體，能全面評估腫瘤內部的異質性等生理情況，取得臨床及傳統影像學無法獲得的信息。紋理分析(texture analysis，TA)是影像組學中的一部分，是醫學圖像中近年才發展起來的評價腫瘤異質性的新工具。

1 TA的概念

紋理是圖像中非常基本且有用的信息特征，也是圖像處理分析的重要參考參數。應用不同的提取方法得到不同的紋理特征，反映不同的生理或病理信息。對圖像進行紋理分析能得到更全面的信息，是行之有效且安全無創的。

2 TA的方法

總的來說，紋理分析的方法有三種：統計分析法[2]、模型分析法[3]和變換分析法[4]。

2.1 統計分析法 這是研究及使用最多的紋理分析方法，也是最先研究的一種方法，它不像直方圖法不能反映空間位置信息。根據特征計算時使用1個像素、2個像素或者3個及以上像素，把其分為一階統計量、二階統計量和高階統計量。

2.2 模型分析法 模型法把圖像中的各個像素內部之間看作有著某種函數關系，在整體上估計出全部像素的空間位置關系。模型法需要先了解圖像內部基元的排列結構情況，以便選擇合適的模型，再評估模型的相關系數，最后進行紋理特征的提取。模型分析法是使用復雜數學模型來描述圖像中的紋理，它的計算相當復雜，對簡單紋理適用，但對于結構復雜的紋理要使用多種模型進行分塊評估。

2.3 變換分析法 它是在不同的空間分析圖像中的紋理特性，比如不同的頻率空間或尺度空間。例如小波變換、傅里葉變換及Gabor變換都是變換分析法中使用較多的。這一類可以對整個圖像進行轉換，從而可以用多尺度方法提取統計特征。其中小波變換在變換分析方法中運用最廣泛。因為它杰出的多尺度多分辨率特點，能對紋理特征的提取博得良好空間。

3 TA在腫瘤中的臨床應用

TA在醫學圖像中的運用主要是特征提取，對一些影像檢查不能甄別的病灶作用很大。它是醫學圖像定量分析的重要工具，其在眾多腫瘤的異質性、鑒別診斷、治療療效評估及預測預后等方面顯示出了越發明顯且不可取代的作用。

3.1 TA在CT圖像中的應用 有學者[5]發現從肺結節的CT圖像上提取的紋理特征可以對肺結節的良惡性進行鑒別(AUC=0.872)；結合肺結節及周圍肺實質區域提取的紋理特征可以將鑒別肺結節良惡性的性能再次提高(AUC=0.938)。Daginawala等[6]發現19個不同TA方法得到的紋理特征可以區別慢性肝病患者肝纖維化的程度。V.Goh等[7]發現CTTA(CT圖像的紋理分析)能夠反映腫瘤的異質性，在腎癌患者接受靶向治療后，能量可作為轉移性腎癌靶向治療后預測預后的獨立影像生物標志。另外一篇關于CT紋理分析能否作為腫瘤生物標志的研究發現，用CTTA評估腫瘤異質性，可發現食管癌的不良生物學特性并且作為其生存預后的指標[8]。CTTA在肺癌中應用的一篇研究發現其可作為NSCLC(非小細胞肺癌)生存的獨立預測標志[9]。

3.2 TA在MRI圖像中的應用 有學者[10]用DWI的ADC值進行評估，發現在31例鼻咽癌患者中，治療前有較高ADC值和治療中ADC值升高的患者對放化療較敏感。學者[11]利用DCE掃描預測放化療敏感性，發現治療前Ktrans值明顯增高的患者對放化療敏感。此外，基于MRI圖像TA在腫瘤的治療療效、分子分型、異質性研究、預后評估等方面也取得了不少實質性的進展。有研究表明，DCE-MRI紋理分析可以在初期評估乳腺癌新輔助化療后的療效[12]。Yun等[13]在乳腺癌移植瘤動物模型中發現DWI-ADC圖像的TA能反映腫瘤內部的異質性。De等[14]基于直腸癌患者的MRI-T2圖像的TA發現紋理參數能判別完全緩解的患者。此外，TA在腦腫瘤中的應用比較常見。李婭等[15]利用支持向量機(SVM)對MRI圖像的紋理進行評價以鑒別髓母細胞瘤和室管膜瘤。Hu等[16]多參數磁共振和TA可以幫助識別和可視化膠質母細胞瘤的空間組織學異質性，以確定區域腫瘤豐富的活檢目標。Jin等[17]發現整個膠質瘤腫瘤體積ADC圖譜的TA可用于評價腫瘤的異質性。Pope等[18]研究發現表觀擴散系數(ADC)中的直方圖低均值(ADCL)對評估膠質瘤無進展生存期(DFS)和總生存期(OS)具備部分價值，其中低ADCL值的預后較差。

3.3 TA在PET圖像中的應用 近年來，TA基于PET圖像在腫瘤異質性方面的應用也逐漸增多。Henriksson等[19]通過探索瘤內18F-FDG攝取的異質性與頭頸部鱗癌內組織病理學的關系，得出代謝異質性與組織病理學所示的異質性有關。Choi等[20]通過PET和MRI紋理特征分析頭頸部鱗癌瘤內異質性及腫瘤間質比與臨床結果的關系，得出粗糙度和腫瘤間質比關系密切，這對腫瘤復發風險分層意義重大。El Naqa等[21]在病變診斷上分析了9例頭頸部腫瘤的療效，得出紋理參數不均能在治療前評估療效，還能區分出腫瘤和正常組織。Yu等[22]通過分析20例腫瘤中NGTDM特征的粗糙度和對比度辨別出腫瘤組織及正常組織，TA參數不僅鑒別能力突出，PET和CT組合使用得到的紋理特征比單一使用鑒別能力更突出，放療靶區通過PET/CT圖像紋理特征能被自動勾畫出來。Gao等[23]提取PET/CT圖像中紋理參數用以建立支持向量機，可鑒別NSCLC患者縱隔淋巴結的良惡性。在評估療效及預測預后方面，Oh等[24]通過治療前紋理參數中的粗糙度成功評估70例下咽癌患者放化療后的療效及生存期。Nakajo等[25]評估了52例食管癌患者放化療后的療效和預后，通過治療前PET圖像中紋理特征，發現紋理特征中的IV和SZV、體積參數MTV和總病灶糖酵解(total lesion glycolysis，TLG)能評估腫瘤療效，但評估放化療預后方面價值有限。研究[26]發現在PET圖像上進行紋理分析不但可以一定程度上評判NSCLC患者在放療后局部的復發情況，還能預測其遠期生存率。

4 TA面臨的挑戰

缺乏規范化、標準化流程和嚴格的質量控制體系；誤認為獲得圖像特征越多越好。在不同類型的紋理提取方法之間，在去冗余過程中如何對數據進行標準化處理，也是一個很大問題。

5 展 望

影像組學是一個相對新興的領域，還需要通過大數據的分析、驗證和更深層次的研究，最終才能應用于臨床。只要我們正確認識、系統掌握影像組學的技術和方法，那么必將對基于解剖結構基礎上的圖像研究起到推動作用。希望下一步研究可進一步充分挖掘TA的潛力，提高預測準確率，為臨床提供更精準的參考，更好地為病人服務。