彌散加權成像-表觀擴散系數圖紋理分析對腹膜后去分化及高分化脂肪肉瘤的鑒別診斷價值

閻偉偉，丁玉芹，戴辰晨，周建軍*，曾蒙蘇，陸維琪

1.復旦大學附屬中山醫院放射科，上海 200032 2.上海市影像醫學研究所，上海 200032 3.復旦大學上海醫學院影像學系，上海 200032 4.復旦大學附屬中山醫院普通外科，上海 200032

軟組織腫瘤是一類來源于結締組織的少見腫瘤[1-3]。脂肪肉瘤是成人最常見的軟組織腫瘤之一，主要見于腹膜后，以去分化型、高分化型最常見[4]。兩者常規影像學的特征表現較類似，鑒別診斷困難。術前明確腹膜后脂肪肉瘤的病理類型對制定手術方案、明確治療目標及預后的判斷具有重要價值[5]。紋理分析法不依賴于影像科診斷醫師的臨床經驗或主觀因素，能夠有效地對腫瘤的細微差別進行量化分析，可鑒別腫瘤惡性病變與良性病變，對腫瘤進行病理分型，發現早期轉移，預測預后，并規劃治療方案等[6-14]。因此，本研究采用彌散加權成像(DWI)-表觀擴散系數(ADC)圖像紋理分析法對腹膜后去分化與高分化脂肪肉瘤進行鑒別診斷，探討其鑒別診斷價值，為后續研究奠定基礎。

1 資料與方法

1.1 一般資料 入選2009年11月至2018年12月在復旦大學附屬中山醫院診治的符合以下標準的患者。納入標準：(1)經手術病理證實的腹膜后去分化脂肪肉瘤或高分化脂肪肉瘤患者；(2)術前2個月內行MRI檢查；(3)MRI檢查資料完整，包括常規MRI平掃、DWI及多期增強掃描。排除標準：圖像偽影明顯，不能用于分析。

1.2 MRI掃描 MR設備技術與圖像后處理：采用Siemens 1.5 T MR掃描儀行進行常規腹部MRI平掃、DWI及多期增強掃描檢查。軸面脂肪抑制快速自旋回波T2WI序列：TR 2 800 ms，TE 94.00 ms，層厚5.6 mm，層間距1.0 mm；DWI：TR 8 000 ms，TE 67 ms，層厚5.0 mm，層間距1.0 mm，b=0.500 s/mm2，自動生成ADC圖。增強掃描前先行脂肪抑制T1WI序列平掃，采用三維屏氣容積內插法，TR 3.55 ms，TE 1.40 ms，層厚3.0 mm。再經肘靜脈以2 mL/s流率推注Gd-DTPA 0.1 mmol/kg，分別延遲25～35 s、60～80 s和2～3 min，行動脈期、門靜脈期和延遲期掃描，掃描層厚3.0 mm，層間隔0.5 mm。

1.3 MRI圖像分析 在一位放射科主任醫師(具有20多年腹部及腹膜后腫瘤診斷經驗)的指導下，利用德國Siemens工作站的Multiparametric軟件，參考各序列圖像，由兩位主治醫師在不知病理結果的情況下獨立閱片，意見不一致經討論達成一致，在DWI腫瘤所有層面勾畫腫瘤的感興趣區(ROI)，并避開脂肪區、壞死、囊變、血管及鈣化。

1.4 紋理分析參數 ROI勾畫完畢后，軟件可以自動得出ADC圖像紋理參數，獲得腹膜后去分化脂肪肉瘤和腹膜后高分化脂肪肉瘤ADC圖紋理參數，包括Skewness、E.Kurtosis、DiffEntropy、Contrst、Entropy、ADC均值、ADC中位值、5%ADC值(P5)、95%ADC值(P95)、ADC三等分值(低、中、高)多個紋理分析相關參數，并獲得直方圖模式、散點圖模式。

1.5 統計學處理 采用SPSS 20進行統計分析，采用Shapiro-Wilk檢驗數據。對于符合正態分布的數據，采用獨立樣本t檢驗比較分組間差異性，非正態分布比較采用非參數Mann-WhitneyU檢驗。采用MedCalc進行受試者工作特征(recevier operating charasteristic cutrve，ROC)曲線判斷有統計學差異的紋理值并評估紋理分析參數的有效性，計算曲線下面積(area under curve，AUC)、靈敏度及特異度，最后篩選出能評價不同惡性程度的兩組間鑒別診斷的因素。檢驗水準(α)為0.05。

2 結 果

2.1 一般資料 最終納入腹膜后去分化脂肪肉瘤患者36例，包括6例前次手術病理為去分化脂肪肉瘤和4例高分化脂肪肉瘤，年齡38～79歲，平均年齡57歲，男性21例、女性15例；腹膜后高分化脂肪肉瘤81例，包括18例前次手術病理為高分化脂肪肉瘤和1例去分化脂肪肉瘤，年齡31～79歲，平均年齡54歲，男性36例、女性45例。兩組患者基線資料差異無統計學意義，具有可比性。

2.2 兩組間紋理參數比較 分化不同的腹膜后脂肪肉瘤間除ADCmean、ADCmedian、P5、DiffEntropy外，其他紋理參數均有差異(P<0.05，表1)。

表1 分化不同的腹膜后脂肪肉瘤紋理分析參數比較 N=117

2.3 紋理分析參數的診斷效能 結果(表2)表明：E.Kurtosis、Skewness、ADCmean、ADCmedian、P95、Volume的ROC曲線下面積分別約0.665、0.738、0.635、0.633、0.652、0.819，敏感度為63.89%、61.11%、83.33%、82.86%、62.27%、97.22%，特異度為77.78%、86.42%、53.75%、51.22%、66.71%、59.26%。Kurosis、Skewness、ADCmean、Median、P95、Volume可用來區分兩組患者，其中Skewness、ADCmean、Volume鑒別診斷效能較高。

表2 DWI-ADC圖紋理參數診斷效能 N=117

2.4 典型病例 2例典型病例的ROI、直方圖、散點圖分析見圖1。

3 討 論

去分化型、高分化型脂肪肉瘤是脂肪肉瘤中最常見的2種類型，分別占10%～15%、40%～45%，常見于腹膜后[15]。高分化脂肪肉瘤風險等級低，病灶生長緩慢；去分化脂肪肉瘤風險等級高，侵襲性強，易發生轉移。隨著外科技術和設備的發展、放化療及分子靶向等非手術治療技術的進步，對腹膜后脂肪肉瘤認識的不斷深入以及腫瘤治療模式的不斷優化，外科治療的理念、形式和模式也有了很大改變[4]。為了能給患者提供精準的個體化治療方案，治療前的影像學鑒別診斷至關重要。因此，術前準確區分兩種類型對臨床決策有重要的指導價值。

圖1 2例典型病例ROC曲線下面積分析

A～C：女性，65歲，腹膜后去分化脂肪肉瘤，勾畫ROI(A)，病灶的直方圖呈正偏斜分布(B)，表示腫瘤內大部分體素集中在較小的ADC值范圍內，獲得散點圖(C)；D～F：女性，73歲，腹膜后高分化脂肪肉瘤，勾畫ROI(D)，病灶的直方圖呈負偏斜分布(E)，表示腫瘤內大部分體素比較集中在較大的ADC值范圍內(F)

DWI檢查其表觀擴散系數(ADC)能夠對水分子的擴散運動進行量化分析，ADC值與組織微環境的結構和功能有密切的相關性。僅憑DWI及ADC圖像不能區分兩組病例，使用圖像紋理分析法可檢測圖像中信號強度的精細空間差異；基于圖像中ROI內的像素研究，評價病灶內部灰階模式來量化組織的異質性[6-14]。通過獲取腫瘤異質性可量化的參數，進而區分不同類型的腫瘤。系列研究[6-14]表明，DWI-ADC圖紋理分析法可對腫瘤的良惡性及惡性腫瘤的分級進行鑒別。

腹膜后去分化脂肪肉瘤是高度惡性腫瘤，腹膜后高分化脂肪肉瘤是低度惡性腫瘤，其組織病理學基礎有差異。其實兩者并非“涇渭分明”，可以在同一患者同一腫瘤內不同區域同時出現分化程度顯著不同的腫瘤組織。臨床上也有相對比較肯定的高分化脂肪肉瘤，但去分化脂肪肉瘤內部常會有高分化部分。去分化腫瘤是指低度惡性的腫瘤向原始狀態逆轉或再分化而成為高度惡性的腫瘤，腫瘤的去分化成分是非脂肪源性肉瘤。本研究對典型病例進行ROI區勾畫時，避開脂肪組織，也就是避開了分化較好的部分，對高分化脂肪肉瘤內無脂肪部分與低分化脂肪肉瘤(無脂肪部分)進行鑒別，可以避開混雜因素對圖像分割的干擾，從而把兩類病灶的病理組織不同之處取出。鑒于兩者病理生理特征的異質性決定了DWI-ADC圖的灰階信息不同，如像素灰度值特征、像素灰度值分布模式及其變化規律。ADC圖的灰度直方圖各參數(如平均值、中間值，偏度、峰度、百分位數值等)以及熵、差分熵、方差不同，鑒別這兩種病變時能提供較多的紋理信息。因此，本研究通過DWI-ADC圖像紋理分析法區分去分化型及高分化型脂肪肉瘤，紋理參數E.Kurosis、Skewness、ADCmean、ADCmedian、P95、Volume可對此進行區分。Skewness、E.Kurtosis、Mid敏感度和特異度較高，Volume、Meaian、Mean敏感度高，特異度偏低，而P95特異度和敏感度均偏高。

E.Kurtosis反映的是圖像灰度分布在接近均值時大致狀態，判斷圖像的灰度分布是否集中于平均灰度附近。峰態越小，表示越分布集中；峰態越大，表示越分散。峰度的正負、大小多與正態分布曲線相比較，峰度為正值，說明該曲線比正態分布要平緩，為負值則比正態分布要陡峭。本研究中惡性程度高組E.Kutosis中位數值高于惡性程度低組，說明惡性程度高的腫瘤病灶內部信號分布相對較離散，一致性不佳。Skewness表示圖像內灰度分布在直方圖中的分布不對稱程度，偏斜越大表示其直方圖分布越不對稱，反之越對稱，當分布的大數值較多時，稱為負偏度分布，反之，稱為正偏度分布。偏度的正負、大小可以和對稱分布的曲線來比較[6-14]。本研究中惡性程度高組呈正偏斜分布，惡性程度低組呈負偏斜分布。這表明惡性程度高組病灶大部分數值集中于較小數值附近，惡性程度低組大部分數值集中于較大值附近，惡性程度高組均值低于惡性程度低組病灶。惡性程度高的腫瘤實質成分Volume值較大，說明腫瘤細胞繁殖生長明顯活躍。ADCmean、ADCmedian、P95在惡性程度高組均低于惡性程度低組。以上紋理參數的差異均從不同方面體現了兩組病例的異質性。

E.Kurtosis、Skewness、Volume的診斷價值較大，ADCmean、ADCmedian及P95診斷價值次之。紋理分析參數Volume、Skewness的ROC曲線下面積較大，敏感度更高。通過量化病灶ROI內灰階信息，如像素灰度值特征、像素灰度值分布模式及其變化規律，獲得肉眼無法辨別的腫瘤微觀結構異質性，有較好的鑒別診斷價值。

綜上所述，DWI-ADC圖紋理分析法通過量化參數，一定程度上反映了腹膜后去分化和高分化脂肪肉瘤間的異質性，紋理參數E.Kurtosis、Skewness、Volume對鑒別兩者有一定的參考價值，值得臨床深入探討。但是，本研究為回顧性研究，病例存在偏倚，相關結論有待前瞻性大樣本研究對結果進行驗證。