超聲影像紋理分析預測甲狀腺癌頸部淋巴結轉移的價值

陳玲玲，龔元淑

(江蘇省人民醫院浦口分院 超聲科，江蘇 南京 211800)

甲狀腺癌是臨床上最常見的惡性腫瘤之一，占全身惡性腫瘤的 1%～1.5%，且發病率逐年上升[1-2]。據不完全統計，甲狀腺癌頸部淋巴結轉移比例高達50%～70%，雖然頸部淋巴結轉移對整體生存率影響不大，但卻是疾病復發的一個重要危險因素，復發不僅影響患者生存質量，更會帶來諸如再次手術創傷、手術難度增大、預后不良等問題，因此，術前準確的定性診斷及病灶定位，對手術方式選擇和預后判斷具有重要意義[3]。超聲作為甲狀腺檢查最主要的影像學手段，其在甲狀腺癌及其頸部淋巴結轉移的診斷方面具有重要的價值[4-5]。然而，受超聲醫師掃查技巧、診斷經驗等的影響，部分甲狀腺癌頸部轉移性淋巴結易漏診。本研究通過對106例經病理證實的甲狀腺癌患者的超聲影像進行紋理分析，提取肉眼無法觀察的紋理特征參數，探討其對甲狀腺癌頸部淋巴結轉移的預測價值。

1 資料與方法

1.1 一般資料

選取2019年1月至2020年8月江蘇省人民醫院浦口分院確診的甲狀腺癌患者106例，其中男32例，女74例，年齡20～61歲，平均(37.60±11.45)歲。納入標準：(1) 符合《甲狀腺癌診療規范》[6]中相關診斷標準；(2) 首次發現的甲狀腺癌；(3) 經手術病理診斷，有明確的診斷結果；(4) 超聲影像資料完整、可靠。排除標準：(1) 超聲影像不規范；(2) 無病理結果或穿刺獲取的病理結果；(3) 病灶為多發或合并其他部位惡性腫瘤。

1.2 儀器與檢查方法

采用西門子ACUSON OXANA 2彩色多普勒超聲診斷儀，探頭頻率為7.5～12.0 MHz。患者取仰臥位，充分暴露頸部，采用橫斷面和縱斷面相結合的掃查方法對甲狀腺病灶進行多切面、多角度觀察。在超聲二維影像的基礎上，行彩色多普勒超聲檢查，觀察病灶內部及周邊血流情況。甲狀腺掃查完成后，對雙側頸部進行全面掃查，觀察淋巴結的大小、形態、內部回聲以及血流等。超聲影像資料的采集由具有10年以上工作經驗的超聲醫師進行。

1.3 超聲醫師評估

甲狀腺癌是否伴有頸部淋巴結轉移的評估由兩名具有10年以上工作經驗的副主任醫師進行，將頸部具有以下超聲特征的淋巴結評估為轉移性：(1) 淋巴結形態飽滿，即縱橫比超過0.5；(2) 內部呈不均勻回聲改變；(3) 局灶性高回聲、細小囊變暗區、鈣化等；(4) 內部呈離心性血流信號或呈皮質較豐富的不規則血流信號[7]。對于不符合以上標準淋巴結則評估為非轉移性。評估后將超聲醫師評估結果與術后病理結果對照，得出超聲醫師對轉移性淋巴結和非轉移性淋巴結的誤判率。

1.4 紋理分析

采用羅茲工業大學免費的紋理分析軟件MaZda 4.6，將超聲二維影像以bmp格式導入軟件中，對超聲影像進行歸一化處理，采用多邊形功能手動模式盡可能勾畫病灶的全部區域，分別用紅色和綠色表示轉移組和非轉移組甲狀腺癌的感興趣區(region of interest，ROI)，勾畫完成后分析病灶的紋理特征，并通過軟件自帶的紋理特征分析方法選擇最具鑒別價值的紋理參數，包括Fisher系數、分類錯誤概率聯合平均相關系數(classification error probability combined with average correlation coefficients，POE+ACC)、交互信息(mutual information,MI)及3種方法聯合(Fisher+POE+ACC+MI)，前3種方法各提取10個紋理參數，Fisher+POE+ACC+MI共提取30個紋理特征參數，將簡化后的紋理特征參數輸入MaZda 自帶的B11統計分析軟件包中，構建人工神經網絡(artificial neural network,ANN)模型，反復自動訓練，將其與病理對比，得出紋理分析方法對轉移性淋巴結和非轉移性淋巴結的誤判率。

1.5 統計學處理

采用SPSS 19.0統計軟件進行數據分析，計量資料用均數±標準差表示，紋理參數的比較采用獨立樣本t檢驗，超聲醫師的評估結果以及各種紋理分析方法誤判率等計數資料用例數及率表示，頻數≥5的計數資料的兩兩比較采用χ2檢驗，頻數<5但≥1的計數資料的兩兩比較采用連續校正的χ2檢驗，頻數<1的計數資料的兩兩比較以及多組計數資料的比較采用Fisher’s檢驗，P<0.05為差異具有統計學意義。

2 結 果

2.1 轉移組和非轉移組甲狀腺癌患者基線資料

轉移組39例，男13例，女26例，年齡25～53歲，平均(35.95±8.83)歲；經手術病理證實，頸部Ⅵ區轉移性淋巴結13例，Ⅱ區5例，Ⅲ區4例，多區域轉移17例。非轉移組67例，男19例，女48例，年齡20～61歲，平均(39.27±11.17)歲。

2.2 轉移組和非轉移組甲狀腺癌的超聲影像ROI標識及紋理參數統計

轉移組和非轉移組甲狀腺癌 ROI標記前后的典型超聲影像見圖1、2。4種紋理分析方法共選取30組紋理參數，見表1。結果表明，Fisher系數選取的紋理參數中有7組差異具有統計學意義(P<0.05)，POE+ACC選取的紋理參數中有8組差異具有統計學意義(P<0.05)，MI選取的10組紋理參數差異均具有統計學意義(P<0.05)，3種方法聯合選取的紋理參數共25組差異具有統計學意義(P<0.05，表1)。

表1 轉移組和非轉移組甲狀腺癌超聲影像紋理特征參數比較

2.3 紋理分析和超聲醫師的誤判率比較

對于所有甲狀腺癌患者，Fisher系數進行紋理分析的總誤判率為21.69%(23/106)，POE+ACC為20.75%(22/106)，MI為17.92%(19/106)，3種方法聯合為11.32%(12/106)，超聲醫師的誤判率為13.21%(14/106)。3種紋理分析方法以及3種方法聯合與超聲醫師比較，誤判率差異均無統計學意義(χ2值分別為2.652、2.141、0.897、0.175,均P>0.05)。紋理分析對于轉移組和非轉移組的誤判情況見表2，通過分析可知，超聲醫師對轉移組的誤判率明顯高于非轉移組，但MI和3種方法聯合分析對轉移組的誤判率明顯低于超聲醫師(χ2值為5.032、8.705,均P<0.05)。

表2 紋理分析對轉移組和非轉移組的誤判情況比較

3 討 論

紋理分析是人工智能的重要內容，可通過一定的圖像處理技術提取出紋理特征，從而獲得圖像的定量或定性描述[8]。在影像學診斷方面，紋理分析通過提取肉眼難以發現的紋理特征，從而更加細致地分析圖像，這可為鑒別病灶的性質提供一定的依據。本研究使用的MaZda 軟件提供了4種紋理分析方法，包括Fisher系數、POE+ACC、MI以及3種方法的聯合(Fisher+POE+ACC+MI)，共提取30種紋理參數信息，有利于增加診斷的準確性[9-10]。目前,超聲紋理分析已應用于甲狀腺、乳腺、肝臟等部位良惡性腫瘤的鑒別診斷，結果表明，紋理分析具有較高的診斷價值[11-13]。

A.標記ROI前超聲影像；B.標記ROI后超聲影像圖1 非轉移性甲狀腺癌的超聲影像

A.標記ROI前超聲影像；B.標記ROI后超聲影像圖2 轉移性甲狀腺癌的超聲影像

同時，也有研究表明，X線紋理分析對預測乳腺癌的腋窩轉移性淋巴結具有一定的價值[14]。這些研究為超聲影像紋理分析預測甲狀腺癌頸部淋巴結轉移的研究奠定了一定的基礎。本研究通過對甲狀腺的超聲影像進行紋理分析預測頸部淋巴結轉移，并將其與超聲醫師對淋巴結的評估結果進行對比。

本研究結果表明，超聲影像紋理分析有助于預測甲狀腺癌的頸部淋巴結轉移，特別是對轉移性甲狀腺癌患者，超聲影像紋理分析具有較高的診斷價值。本研究選用的Mazda紋理分析軟件共提取了30組紋理參數，其中Fisher系數中7組紋理參數差異有統計學意義，POE+ACC中有8組紋理參數差異有統計學意義，MI方法10組紋理參數差異均有統計學意義，而有價值的紋理參數與腫塊的紋理信息呈正相關，紋理參數越多所提供具有鑒別價值的信息就越多。在總誤判率方面，Fisher系數、POE+ACC、MI以及3種方法的結合與超聲醫師的誤判率差異均無統計學意義，這也在一定程度上佐證了超聲對頸部轉移性淋巴結具有很好的評估價值。但對于轉移組和非轉移組而言，超聲醫師易將轉移組評估為非轉移組，這造成了一定程度的誤診，特別是頸前區的轉移性淋巴結，由于組織深度的影響，同時由于部分轉移性淋巴結體積較小，超聲易漏診，易將轉移性淋巴結評估為非轉移性[15]。另外，對于部分增生性淋巴結，超聲也易將其誤診為轉移[16]，這也是本研究中非轉移組出現2例誤診的原因所在。針對超聲更易將轉移性淋巴結誤判為非轉移的情況，本研究通過對比分析發現，MI和3種方法聯合對轉移組的誤判率明顯低于超聲醫師，這在一定程度上彌補了超聲醫師的不足。超聲評估結果與掃查及評估均有關，由于掃查缺乏統一的標準，同時評估過程與超聲醫師的主觀性有關，這也是本研究中超聲醫師對轉移的誤診率高于非轉移的原因所在。而紋理分析可提取肉眼無法觀察到的腫瘤信息，不受超聲醫師主觀因素的影響，增加了紋理分析的準確性。3種方法聯合評估共25組紋理參數具有統計學意義，與超聲醫師的評估相比，紋理分析所提取的信息可排除主觀因素的干擾。

綜上所述，超聲影像紋理分析可用于預測甲狀腺癌的頸部淋巴結轉移，值得進一步擴大樣本量進行研究，從而為術前準確評估和臨床醫師選擇合理的診療方案提供依據。