磁共振擴散加權成像聯合T2WI圖紋理分析定量評估乳腺良惡性結節的價值

周永進，鐘屹，趙雪妙，高瑞杰，胡玉敏，楊偉斌

（麗水市中心醫院 放射科，浙江 麗水 323000）

乳腺磁共振被越來越多地用于高危人群篩查、術前分期和治療監測，是最敏感的乳腺檢查技術[1]。磁共振擴散加權成像（diffusion-weighted imaging，DWI）是以水分子擴散特征為基礎，反映組織內水分子布朗運動，可以從微觀層面量化組織水分子的擴散狀態，具有鑒別良惡性腫瘤的潛力。DWI已廣泛應用于多種乳腺疾病的診斷和篩查[2]。基于磁共振圖像的紋理分析已廣泛應用于描述圖像空間灰度強度的分布，可以提取圖像中肉眼無法分辨的細微差異特征。圖像中提取的紋理特征通常包括一階特征、二階特征和高階特征。一階特征主要是灰度直方圖特征，包括平均值、中位數等多個參數值，二階特征能定量計算圖像像素強度和空間關系的紋理特征，包括灰度共生矩陣（gray-level cooccurrence matrix，GLCM），主要參數有能量、不均勻度及熵等測度[3]。本研究通過提取乳腺良惡性結節ADC圖和T2加權成像（T2-weighted imaging，T2WI）部分一階和二階特征參數，比較二者的紋理特征差異，以期為臨床提供更多的影像學方面的定量信息。

1 資料和方法

1.1 一般資料 納入麗水市中心醫院2014年5月至2018年8月符合條件的乳腺結節患者82例。良性結節組38例，其中纖維腺瘤16例，導管內乳頭狀瘤14例，纖維乳腺病4例，錯構瘤4例；惡性結節組44例，其中浸潤性導管癌18例，浸潤性小葉癌15例，導管內原位癌11例。納入標準：所有乳腺結節直徑小于3 cm；患者在檢查前均未進行任何治療；無乳腺外科手術史。排除標準：患者乳腺病灶大于3 cm或出現遠處轉移者；有MRI檢查禁忌證（如幽閉恐懼癥、心臟支架植入及安裝心臟起搏器等）；圖像偽影較重而無法對結節進行評估者。所有乳腺結節均經穿刺活檢或手術病理證實。本研究經本院倫理委員會批準。

1.2 掃描方法 使用Philips Ingenia 3.0 T超導型磁共振掃描儀和乳腺專用線圈對患者行乳腺MRI掃描。患者取俯臥位頭先進，雙乳自然懸垂于線圈內，兩側使用加壓器適當壓迫乳腺加以固定。采用單次激發平面自旋回波成像（single-shot spinecho echo-planar imaging，SE-EPI）序列采集DWI圖像。常規T2WI及DWI參數如表1示。

表1 磁共振掃描序列及其參數

1.3 圖像后處理分析 采集的所有DWI、T2WI圖像由掃描儀導出，采用內部開發后處理軟件進行數據分析。所有數據的處理由2名具有6年乳腺疾病放射診斷經驗的醫師分別進行獨立評估。選擇病灶最大面積層面進行勾畫感興趣區（ROI），連續測量2次取平均值，注意避開囊變區及局部偽影區域。DWI量化參數ADC值由單指數公式S=S0·e-b×ADC計算得出，S是b值為800 s/mm2時的圖像信號值，S0是b值為0時的信號強度，ADC為表觀擴散系數，可以描述所選定ROI組織的水分子擴散率。通過后處理軟件可以在獲取ADC值的同時提取ADC圖、T2WI的一階和二階紋理特征，包括參數平均值（Mean）、中位數（Median）、最小值（Min）、最大值（Max）、峰度值（Kurtosis）、偏度值（Skewness）、不均勻度值（Inhomogeneity）和熵值（Entropy），見圖1。

1.4 統計學處理方法 采用SPSS21.0軟件包進行統計學分析。利用Shapiro-Wilk檢驗對所有參數值進行正態性檢驗。符合正態分布的參數以形式表示，運用t檢驗比較；不符合正態分布的參數以M（P25，P75）形式表示，運用Mann-WhitneyU檢驗比較。采用Medcalc（版本15.2.2）軟件繪制ROC曲線以確定ADC圖及T2WI紋理參數鑒別乳腺良惡性結節的診斷效能，以約登指數為參考，記錄區分良性結節與惡性結節的最佳臨界值、AUC及相應的敏感度和特異度，并采用Z檢驗比較ROC曲線的差異，確定最佳診斷效能指標。P＜0.05為差異有統計學意義。

圖1 51歲浸潤性導管癌患者乳腺結節ADC圖及生成的直方圖

2 結果

2.1 2組一般資料比較 乳腺良惡性人口學特征、結節測量及ROI容積測量值如表2示，結節直徑測量為圖像橫斷面最大徑，結節容積為單層圖像ROI面積和層厚的乘積。2組患者年齡、乳腺結節直徑、容積差異均無統計學意義（P均＞0.05）。

表2 2組一般資料比較

2.2 2組紋理參數比較 ADC圖2組一階灰度直方圖參數和二階GLCM參數具體如表3示。良性結節組ADCmean、ADCmedian、ADCmin明顯高于惡性結節組，差異均有統計學意義（P＜0.001）。2組間直方圖特征偏度值差異有統計學意義（P＜0.001），但2組間峰度值差異無統計學意義（P=0.686）。GLCM參數中，惡性結節組熵值明顯高于良性結節組，差異有統計學意義（P＜0.001）。T2WI紋理參數中僅熵值在惡性結節組明顯高于良性結節組（3.49±0.89vs.2.63±0.46，P＜0.001），其余參數2組間差異無統計學意義（P＞0.05）。

2.3 良性結節組與惡性結節組ADC圖及T2WI紋理參數ROC曲線分析 根據ROC曲線，以約登指數為參考，確定乳腺良惡性結節的ADCmean、ADCmedian、ADCmin診斷閾值分別為1.34×10-3mm2/s、1.41×10-3mm2/s、0.97×10-3mm2/s，AUC分別為0.90（95%CI=0.82～0.95）、0.89（95%CI=0.80～0.95）、0.91（95%CI=0.83～0.96）。區分乳腺良惡性結節的偏度值、熵值的診斷閾值為-0.075、3.762，AUC為0.74（95%CI=0.64～0.83）、0.95（95%CI=0.87～0.98）。以上述閾值得到區分乳腺良惡性結節的敏感度、特異度和正確率指標如表4示。紋理參數ADCmean、ADCmedian、ADCmin、偏度值、熵值區分乳腺良性結節與惡性結節的ROC曲線見圖2a，結果顯示熵值AUC值最大，通過Z檢驗與其他紋理參數比較，差異均有統計學意義（P＜0.05）。繪制ADC圖、T2WI二者聯合的熵值ROC曲線圖，T2WI及二者聯合的熵值鑒別乳腺良惡性結節的敏感性、特異性分別為70.5%、94.7%，93.2%、94.7%；AUC分別為0.82（95%CI=0.72～0.90）、0.97（95%CI=0.91～0.99），見圖2b，結果顯示二者聯合的AUC值最大，差異有統計學意義（P＜0.05）。

表3 ADC圖良性結節組與惡性結節組紋理參數比較

表4 ROC曲線紋理參數診斷乳腺良惡性結節的敏感度和特異度

3 討論

磁共振DWI量化參數ADC和T2WI已廣泛應用于良惡性腫瘤的評估[4-6]，多項研究證實ADC值在乳腺良惡性病變方面的應用[7-9]。紋理分析是通過數學分析與運算獲取醫學影像圖像中像素或體素灰度的二維及三維空間分布特征，挖掘并量化細微結構差異和變化規律，能更精確地評估腫瘤異質性[3]。本研究基于ADC圖和T2WI，對乳腺良惡性結節進行紋理特征提取，獲取多個一階和二階紋理參數。不同于測定的傳統平均值分析，通過多序列磁共振圖像的紋理分析能提供腫瘤細胞增殖能力更精確的信息，可定量測量腫瘤異質性[6，10]。

多項研究應用基于ADC圖的紋理分析證實了其在腫瘤異質性方面的價值，并表明多個參數可以用來鑒別不同病變組織間的差異[10-11]。本研究對ADC圖和T2WI的病灶勾畫ROI，通過后處理軟件直接生成一階和二階定量紋理參數。其中一階參數峰度和偏度參數主要描述灰度直方圖的分布特征，峰度值反映像素值頻數分布的陡緩程度，偏度值反映像素值分布的對稱性。二階參數不均勻度值反映空間內紋理分布的規則程度，紋理雜亂無章時不均勻性較大。熵值反映圖像紋理的復雜程度和混亂度，若空間內紋理灰度分布隨機則熵值較大。

本研究中，乳腺惡性結節的一階紋理參數ADCmean、ADCmedian和ADCmin明顯小于良性結節組，這與多項研究[7-8，10，12]結果一致，DWI通過量化參數ADC監測細胞內水分子的布朗運動，ADC與腫瘤結構的微環境密切相關，如腫瘤的細胞密度、水含量及纖維間質成分和細胞膜的完整性均可以影響ADC值的大小[13]。惡性結節的ADC值下降可能與惡性腫瘤快速生長致使細胞致密、細胞間隙減少、組織間液壓力增加等所致水分子擴散受限相關[8，14]。乳腺良性結節與惡性結節的ADC圖一階參數峰度值2組無顯著差異，本研究納入了多個病理類型的良惡性結節，而不同腫瘤組織細胞的異質性分布存在部分重疊，使得ROI內腫瘤像素值分布的陡緩程度無顯著差異。

乳腺惡性結節一階參數偏度值、二階參數不均勻度和熵值明顯高于良性結節，表明乳腺惡性結節的空間紋理分布較良性結節更為復雜、混亂，細胞間紋理不規則程度更為明顯[15]，提示乳腺惡性結節有更高的異質性。腫瘤的異質性主要源于腫瘤細胞形態、血管生成、血管外細胞外基質的變化以及腫瘤內的出血和壞死等[16]，而惡性腫瘤細胞密度更高，組織成分更為不均勻，也就導致更高的異質性，這也是本研究中惡性結節較良性結節紋理參數值更高的原因。與KIERANS等[17]的研究類似，他們發現基于ADC圖紋理分析，高分期透明細胞癌（III期、IV期）的偏度值明顯高于低分期（I期、II期）透明細胞癌。HOLLI等[18]研究表明熵值可以用來區分乳腺癌亞型。吳宇強等[19]通過對甲狀腺結節CT增強圖像提取紋理特征值發現紋理參數熵值越大，結節內異質性越差，結節越趨向于惡性。

圖2 良性結節組與惡性結節組ADC圖及T2WI紋理參數ROC曲線分析

ROC曲線結果顯示ADCmean、ADCmedian和ADCmin值區分良惡性乳腺結節的敏感性和特異性均高于90%，提示ADC值鑒別乳腺良惡性結節有較高的診斷價值。多項研究已經證實了ADC值對鑒別乳腺良惡性腫瘤的高度敏感性[7，20]。2 組中差異具有統計學意義的一階和二階紋理參數鑒別二者獲得的ROC曲線比較，發現熵值在區分良惡性結節有最大的AUC（AUC=0.95），鑒別良惡性乳腺結節的特異度和敏感度分別為94.74%、80.55%，表明其在區分二者時診斷價值優于灰度直方圖ADCmean、ADCmedian、ADCmin和偏度值參數，表明基于二階的紋理參數能獲取更多的特征以區別乳腺良惡性結節。與YUN等[10]結果一致，認為基于二階的灰度共生矩陣參數相較于一階灰度直方圖特征具有更高的鑒別價值，這與灰度直方圖參數反映腫瘤組織分布的空間信息存在一定的局限，二階紋理分析能更深地反映組織空間分布特征相關。而比較ADC圖、T2WI及二者聯合的ROC曲線，發現二者聯合應用時具有最高的診斷效能，表明在鑒別二者差異時多序列聯合評估有更高的價值。

本研究存在以下局限性：本研究樣本量偏少，沒有選擇一定數量驗證組證實結果可能存在的誤判。目前尚未形成通用標準化的紋理分析處理方法流程與標準化參數，不同的研究者運用不同的數學算法方式提取紋理特征，這些因素可能潛在地影響顯示腫瘤異質性程度。

綜上所述，基于ADC圖和T2WI的紋理分析參數對鑒別乳腺良惡性結節有較高的診斷價值，尤其是二者聯合的二階紋理參數熵值診斷價值較大。隨著研究進一步改進及其應用的標準化，有望發展為腫瘤影像學中具有較高診斷價值的臨床工具。