基于灰度共生矩陣鑒別小細胞肺癌和非小細胞肺癌

徐 圓，尚松安，曹正業，沈 力，王 猛，葉 靖，吳晶濤

（江蘇蘇北人民醫院 揚州大學附屬蘇北醫院影像科，江蘇 揚州 225001）

原發性肺癌是呼吸系統常見惡性腫瘤，隨著工業化發展及空氣污染加重，其發病率不斷上升。據WHO不完全統計，每年死于肺癌的患者多達110多萬。臨床上根據癌細胞病理形態將其分為小細胞肺癌（SCLC）和非小細胞肺癌（NSCLC）兩大類。SCLC是一類具有高度侵襲性的神經內分泌腫瘤，惡性程度較高，對放化療敏感，其治療方案及生存預后不同于NSCLC。目前，臨床主要依靠病理診斷進行鑒別。近年來，紋理分析技術已成為醫學影像組學的研究熱點，該技術可對圖像進行定量分析。其中，灰度共生矩陣是紋理分析經典二階統計法。呂昌生等[1]利用共生矩陣進行肺腺癌EGFR突變與CT紋理的相關性研究。遲淑萍等[2]利用共生矩陣進行肺結節良惡性鑒別。本研究旨在探究灰度共生矩陣（GLCM）鑒別SCLC與NSCLC的可行性，為臨床鑒別診斷帶來新的切入點。

1 資料與方法

1.1 研究對象

回顧性分析本院2017年8月—2018年4月經手術治療、纖支鏡或穿刺活檢并行病理證實的肺癌患者100例，男 41例，女59例；年齡22～87歲，平均（60±15）歲。 納入標準：①術前1～2周行肺部增強CT檢查；②瘤體長徑大于5 mm；③CT圖像質量良好，偽影干擾較小；④完整的病理檢查結果。排除標準：①病灶空洞范圍過大，超過病灶最大截面30%；②與鄰近組織分界欠清，如肺不張組織、肺門支氣管血管影等。為了減少容積效應的影響，盡量多的勾畫感興趣區（ROI）提取特征參數，本研究選取的病灶長徑均大于5 mm。

1.2 CT檢查方法

本研究所有患者均行常規肺部CT增強掃描，掃描儀采用美國GE公司64排螺旋CT（LightSpeed VCT CT99）。掃描前經肘靜脈注射碘海醇對比劑，以3.2 mL/s進行注射。患者采取仰臥位，雙手抱頭，掃描前行吸氣訓練。掃描儀自肺尖至肺底行全肺掃描。掃描層厚及間距5 mm，矩陣512×512 mm，螺距1.1 mm。薄層重建層厚及層間距采用1.25 mm。

1.3 圖像導出

由于增強CT薄層圖像顯像最清晰，蘊含紋理信息量最豐富，體現腫瘤異質性效果較好，因此本研究采用肺部增強CT薄層圖像進行紋理分析。將患者肺部CT增強圖像從PACS系統以.BMP格式導出，存儲至移動硬盤，導出時分別調整窗寬窗位至1 465、-498，使所有圖像窗寬、窗位保持一致，病灶于肺窗顯示清楚，便于ROI的勾畫。

1.4 ROI選擇及灰度共生矩陣紋理分析

采用Mazda紋理分析軟件沿腫瘤薄層CT增強圖像最大層面的瘤體邊緣內側1～2 mm處手動勾畫ROI。所有病灶ROI的勾畫采用雙盲法，由一位具有10年以上呼吸系統腫瘤影像診斷經驗的高年資醫師及一位研究生獨立完成，出現分歧時進行協商解決。

1.5 GLCM特征參數的選擇

由于Mazda軟件共生矩陣參數的分布有4個坐標方向，每個坐標方向有6個限定距離，為了便于研究，本研究采用了S（0，1）坐標上的對比度、相關度、差方差、逆差矩及熵等五個具有特征性的紋理參數。 ①對比度（Contrast）；②相關度（Correlate）；③差方差（Difference Variance）；④逆差矩（Inverse Difference Moment）；⑤熵（Entropy）。

1.6 統計學方法

2 結果

采用Mazda軟件勾畫肺癌ROI及GLCM參數生成示意圖見圖1所示。

圖1 a～1c 圖1a：男，42歲，SCLC。圖1b：男，56歲，肺鱗癌。圖1c：女，48歲，肺腺癌。采用Mazda軟件勾畫病灶紅色ROI及灰度共生矩陣參數生成圖。Figure 1a～1c. Male,42 years old,diagnosed as SCLC(Figure 1a).Male,56 years old,diagnosed as lung squamous carcinoma(Figure 1b).Female,48 years old,diagnosed as lung adenocarcinoma(Figure 1c).Region of interest(ROI)was chosen at axial CT images with maximum enhancement of lesion and gray level co-occurrence matrix analysis were performed using Mazda software.

影像學特征：本組100例原發性肺癌患者中，SCLC 40例，鱗癌30例，腺癌30例。中央型39例，周圍型61例。分葉狀22例，小結節狀19例，腫塊狀30例，不規則片狀29例。其中SCLC男性19例，女性 21 例；年齡 22～87 歲，平均年齡（59±16）。鱗癌男18 例，女 12 例，年齡 29～77 歲，平均（51±12）歲。腺癌男 14 例，女 16 例；年齡 34～79 歲，平均（62±13）歲。

SCLC和非NSCLC（鱗癌、腺癌）的GLCM紋理參數統計結果見表1。對比度、相關度、逆差矩、差方差P值均＜0.05，差異具有統計學意義，而熵不具有統計學差異。進一步兩兩比較，SCLC的對比度及差方差大于鱗癌，相關性及逆差矩小于鱗癌。腺癌相關性大于SCLC。鱗癌的差方差大于腺癌，差異均具有統計學差異，P值均＜0.05。

表1 小細胞肺癌和非小細胞肺癌（鱗癌、腺癌）的灰度共生矩陣紋理參數統計結果

診斷效能：ROC曲線見圖2所示。SCLC與NSCLC的相關度、逆差矩、相關度與逆差矩的聯合預測因子三個參數曲線下面積分別為0.712、0.639、0.758， 最佳閾值分別為 0.362、0.249、42372.260，對應 的 敏 感 度 、 特 異 度 分 別 為 75.0、61.7，52.5、78.3，72.5、78.3，具有一定的診斷效能，其中聯合預測因子的診斷效能最佳。

圖2 a～2c SCLC與NSCLC相關度、逆差矩及其聯合預測因子的ROC曲線圖。Figure 2a～2c.ROC curve of correlate,inverse difference moment and combined predictive factor for SCLC and NSCLC.

3 討論

原發性肺癌是呼吸外科常見的惡性腫瘤，發病率及致死率已位居國內惡性腫瘤首位。其中，以NSCLC中的鱗癌與腺癌最為常見，SCLC次之[3]。SCLC是具有高度侵襲性的神經內分泌腫瘤，對放化療敏感，臨床治療以放化療為基礎[4-5]。NSCLC治療取決于TNM分期，Ⅰa～Ⅲa期以手術治療為主。兩類腫瘤的惡性程度、治療方案及生存預后不盡相同，因此不同類型肺癌的早期診斷至關重要[6]。目前，臨床上肺癌的診斷主要依靠常規CT肺部掃描。周潔等[7]進行周圍型肺癌CT表現與病理亞型的相關性研究。該方法依賴診斷醫師的個人經驗，缺乏定量參數的支持，具有一定的主觀性。庫雷志等[8]利用DCE-MRI（dynamic contrast-enhanced-MRI）技術定量鑒別肺癌不同病理分型，顯示出較高的診斷效能。然而，DCE-MRI檢查對磁場要求較高，藥動力模型復雜，病人檢查成本過高[9]。本研究基于肺部增強CT圖像，探究共生矩陣紋理分析技術對SCLC與SCLC的診斷價值。

近年來，紋理分析技術越來越多地應用到醫學影像組學研究中。該技術可提取人眼無法識別的紋理信息，對像素灰度分布情況進行統計學分析，間接反映病灶異質性，達到疾病診斷、分級、基因表達評估及預后定量分析[10-15]的目的。灰度共生矩陣是紋理分析的二階分析法，反映像素對的聯合概率分布情況及其位置分布特征[16]。本研究提取灰度共生矩陣中5個具有代表性的紋理參數，統計發現，對比度、相關度、逆差矩、差方差在SCLC、鱗癌、腺癌三者間差異具有統計學意義，而熵不具有統計學差異。

對比度反映矩陣像素值的分布情況及像素的局部變化程度，該值越大，表明圖像紋理反差越大，顯像越清楚。相關性反映圖像灰度級在特定方向上的相似程度，該值越大，局部相似程度越高。逆差矩反映紋理的規則程度，其值越大，表明圖像紋理越規律。差方差反映紋理周期，其值越大，圖像紋理越密集。熵反映紋理的復雜程度，該值越大，表明紋理越復雜[17]。經過兩兩比較發現，SCLC的對比度及差方差大于鱗癌，相關性及逆差矩小于鱗癌，可能與兩者病理組成差異有關。SCLC惡性程度較高，鏡下細胞密集，繁殖旺盛，容易侵犯鄰近組織與遠處轉移[18]。而鱗癌惡性程度較低，鏡下常見癌巢、角化珠，復雜程度不及SCLC。導致SCLC像素局部變化程度較大，相關性較小，反差較大，缺乏規律性，圖像紋理更加密集、復雜。同時，腺癌相關性大于SCLC。腺癌鏡下常見腺管樣或管腔樣結構，惡性程度不及小細胞肺癌，因而圖像局部像素相似度較高，其相關性值大于SCLC。另外，鱗癌的差方差大于腺癌，可能與鱗癌的內部結構較為致密導致圖像紋理密集程度較高有關[19]。繪制ROC曲線，SCLC與NSCLC的相關度、逆差矩、兩者聯合預測因子曲線下面積分別為0.712、0.639、0.758， 最佳閾值分別為 0.362、0.249、42372.260，對應的敏感度、特異度分別為75.0、61.7，52.5、78.3，72.5、78.3，均具有一定的診斷效能。其中聯合預測因子的診斷效能最佳，敏感度、特異度方面獲得了均衡。

本研究存在一定的局限性：①樣本量相對較少，并且NSCLC只收集了常見的鱗癌與腺癌，有一定的選擇偏倚，需補充更多的樣本；②雖然本研究結果證實GLCM鑒別SCLC和NSCLC具有一定的可行性，但其為回顧性分析，做為前瞻性研究與病理對照分析是后續實驗的研究重點；③紋理特征參數的提取與分析缺乏標準化體系控制，需進一步規范操作流程，實現參數的可重復性提取與測量。

綜上研究發現，基于常規CT掃描的GLCM能夠反映不同病理類型肺癌的病理組成差異，有助于定量診斷SCLC與NSCLC，對治療方案的選擇與制定具有一定的指導意義。

利益沖突：本研究過程和結果均未受到相關設備、材料和藥物企業的影響。