不同浸潤程度乳腺癌的鑒別：基于B型超聲灰度圖像直方圖分析方法的定量研究

欒 云，朱建國，吳意赟，李宏波，張 芹

1.江蘇省中醫院（南京中醫藥大學附屬醫院）超聲醫學科，江蘇 南京 210029；

2.南京醫科大學第二附屬醫院放射科，江蘇 南京 210011

乳腺癌是女性最常見的惡性腫瘤，隨著生活習慣、飲食結構的改變，以及受到人口老齡化、環境污染的影響，其發病率逐年升高［1］。并且是45歲以下女性惡性腫瘤致死的主要原因［2］。依據腫瘤細胞浸潤程度，病理學上將乳腺癌分為無浸潤、早期浸潤和浸潤這3種級別，其各自對應的治療方案和預后也不盡相同［3］。因此，治療前對乳腺癌進行有效、精準的評估尤為重要。

超聲檢查操作簡便、無輻射、檢查費用低，被廣泛應用于乳腺癌的篩查、診斷、隨訪及指導穿刺活檢。常規超聲檢查依據病灶形態及內部成分、周圍組織結構等聲學特征作出乳腺癌的鑒別診斷，但受限于主觀因素（操作者經驗、手法等），診斷準確度變化較大；隨著乳腺影像報告和數據系統（Breast Imaging Report And Data System，BI-RADS）廣泛應用，乳腺癌超聲診斷的準確度得以提高［4］。近年來，學者們在乳腺癌的超聲功能成像方面進行了積極探索，新技術得到應用，基于定量參數從不同角度評價乳腺癌的病理學特征，如彈性成像評價組織彈性［5］、增強造影觀察血管密度和分布［4］。

直方圖分析（histogram analysis，HA）能夠對圖像上肉眼無法觀察的像素灰度值和分布情況進行分析，借助定量參數可以表征組織的異質性和血管新生情況［6］。有學者基于灰度超聲圖像，使用HA對甲狀腺良惡性結節進行鑒別［7］、判別腹腔積液的性質［8］；Moon等［9］對彈性超聲圖像進行HA，用于鑒別乳腺良惡性腫瘤。

本研究采用HA技術對乳腺癌患者B型超聲灰度圖像進行分析，目的在于：① 評價HA參數的信度和一致性；② 對比觀察不同浸潤程度乳腺癌HA定量參數的差異性；③ 討論HA的臨床應用價值，探討與HA定量參數相關的病理學基礎；④找出缺陷和不足，為今后的研究明確方向。

1 資料和方法

1.1 研究方案

本研究采用回顧性研究方法，收集經手術后病理學檢查證實的乳腺癌患者，根據病理學浸潤程度（無浸潤、早期浸潤、浸潤）分為3組；將患者術前超聲圖像導入計算機軟件，分別勾畫瘤區及正常腺體對照區，生成瘤區和對照區HA定量參數；采用統計學方法，評價不同測量者之間采集HA定量參數的一致性；為消除個體差異，取每例患者HA定量參數的相對值（瘤區/對照區）；采用統計學方法，觀察不同分組間定量參數相對值的差異性。

1.2 一般資料

收集2018年1月—2020年12月江蘇省中醫院（南京中醫藥大學附屬醫院）乳腺外科收治的乳腺腫瘤患者。納入標準：① 乳腺腫瘤初診患者，之前未接受相關治療；② 術前在我院接受超聲檢查，留存完整超聲聲像學資料；③ 術后病理學檢查診斷為乳腺癌，并有明確的病理學浸潤程度結果。排除標準：① 非初診患者，病灶內成分復雜；② 超聲圖像質量差，不符合HA要求；③ 手術病理學診斷并非乳腺癌，或沒有明確浸潤程度。最終，共納入患者224例（均為單發腫瘤）；年齡27～84歲，平均年齡（55.21±11.34）歲；其中無浸潤（Ⅰ級）76例、早期浸潤（Ⅱ級）84例、浸潤（Ⅲ級）64例。本研究獲醫院倫理委員會批準。

1.3 儀器設備

采用荷蘭Philips公司的iU 22超聲診斷儀，探頭頻率9～12 MHz。患者取手臂外展體位，充分暴露檢查部位，按順時針方向、以乳頭為中心向外行乳腺掃查；記錄腫塊的位置、最大徑及超聲聲像圖特征，并留存圖像。

1.4 圖像處理

超聲灰度圖像HA處理及定量參數獲取采用美國GE公司Omni-Kinetics軟件包（2.1.0版本），由2名從事乳腺診斷的高年資（工作10年以上）超聲科醫師采用雙盲法完成。將每例患者瘤體最大斷面圖像（DICOM格式）導入軟件，手動勾畫瘤體輪廓，軟件自動生成瘤體區超聲灰度直方圖及定量參數（圖1）；拷貝瘤區感興趣區（region of interest，ROI）并移至正常腺體區，同樣生成對照區超聲灰度直方圖及定量參數；取每個HA定量參數的相對值（瘤區/對照區）；取2名超聲醫師測量數據的算數平均值，作為最終結果，用于后續統計學分析。

圖1 典型病例（患者，55歲，右側乳腺癌）超聲圖像、病理學表現及瘤區直方圖

1.5 統計學處理

采用SPSS 22.0軟件進行統計學分析，P＜0.05為差異有統計學意義。2名超聲醫師測量HA參數一致性，采用組內相關系數（intraclass correlation coefficient，ICC）進行評價，當ICC＜0.4認為一致性較差，0.4≤ICC≤0.75認為一致性一般，ICC＞0.75認為一致性良好。采用Kolmogorov-Smirnov檢驗，觀察定量數據是否符合正態分布，符合表示為±s，否則表示為中位值（四分位距）。3組數據集方差齊性檢驗，采用Levene檢驗。符合正態分布且組間方差齊同時，組間定量數據比較采用方差分析，否則采用非參數檢查（Kruskal-WallisH檢驗）。篩選出3組間差異有統計學意義的指標，采用多元有序logistic回歸模型，評價多參數的組間差異性。

2 結 果

軟件處理后共生成18個HA定量參數，包括Min intensity、Max intensity、Median intensity、Mean value、Standard deviation、Mean deviation、Skewness、Kurtosis、Uniformity、Energy、Entropy以及7個Quantile對應值。2名醫師測量瘤區HA參數的一致性檢驗結果顯示，18個參數對應的ICC均＞0.75，其中最高的是Quantile75（ICC=0.997，95%CI=0.996～0.998）、最低的是Uniformity（ICC =0.799，95% CI=0.697～0.852，表1）。

表1 2名超聲醫師測量瘤區超聲直方圖參數的一致性檢驗

HA定量參數的相對值（瘤區/對照區）呈偏態分布，單參數相對值的3組間比較顯示：除Min intensity和Mean deviation之外，其余16個參數的相對值差異均有統計學意義（表2）。隨乳腺癌浸潤程度增加，Max intensity、Median intensity、Mean value、Standard deviation、Uniformity、Energy和各分位數的相對值逐步降低；Skewness、Kurtosis和Entropy的相對值則逐步升高，在浸潤組中呈現為最大值。

表2 不同浸潤程度乳腺癌超聲直方圖定量參數相對值的比較

多元有序logistic回歸分析顯示Mean intensity、Skewness、Uniformity、Quantile5、Quantile10、Quantile75、Quantile90的相對值有助于不同浸潤程度乳腺癌的組間鑒別（表3）。

表3 多參數相對值有序多分類logistic回歸結果

3 討 論

本研究結果肯定了基于超聲灰度圖HA方法，其采集定量參數的信度和一致性，HA生成的18個定量參數ICC均＞0.75。Schneebeli等［10］的臨床研究中，著重評估了HA參數的信度，以健康受試者跟腱為研究對象，評價超聲灰度圖HA參數（灰度值分布和共生矩陣參數）的一致性，ICC為0.72～0.94。本研究中，為消除個體差異，采用HA定量參數相對值（瘤區/對照區）進行組間比較和統計學分析，與?eki?等［8］的研究方法相似。目前，使用超聲灰度圖HA對乳腺癌進行研究的報道尚不多見，本研究依據病理學檢查結果進行回顧性分組，采用組間非參數檢驗和多元有序logistic回歸方法進行分析，結果顯示HA參數能夠用于預測乳腺癌的浸潤程度。

Acharya等［11］采用剪切波超聲圖像進行HA研究，從中提取的特征能夠對乳腺良惡性腫塊進行鑒別診斷，靈敏度、特異度、準確度分別為98.63%、97.59%、98.08%。Wei等［12］認為可以將常規超聲特征和HA定量參數聯合起來，用于乳腺良惡性腫瘤的鑒別診斷。Dasgupta等［13］采用超聲紋理特征分析方法，對100例局部浸潤性乳腺癌進行臨床研究，以臨床和病理學診斷為金標準，結果顯示參數特征能夠有效地預測新輔助化療的治療效果（曲線下面積=0.86）。一項北美四個地區的多中心研究中，DiCenzo等［14］收集82例接受新輔助化療的乳腺癌患者，分析超聲灰度共生矩陣參數，認為該方法可以有效地預測療效（準確度87%）。Moon等［15］回顧性對比觀察乳腺癌腋窩淋巴結超聲形態特征和HA定量參數對鑒別淋巴結是否轉移的診斷效能，認為定量參數要優于常規超聲形態觀察。

本研究中共納入18個HA定量參數：反映具體灰度值的參數（Min、Max、Median、Mean value及各Quantile）；表征數據集離散程度的參數（Standard deviation及Mean deviation）；描述直方圖形態的參數（Kurtosis及Skewness）；代表復雜程度和異質性的參數（Uniformity、Energy、Entropy）［6，16-17］。Chou等［18］認為依據超聲灰度值的變化，可以判定子宮腺肌癥患者內分泌治療的效果。Beyazal等［19］研究發現，肝硬化患者與正常對照組之間，超聲灰度均值、50%和90%位點灰度值均有顯著差異。本研究中隨著乳腺癌浸潤程度增加，超聲灰度相對值（Max、Median、Mean value及各Quantile）顯著下降，相對于正常腺體，病變浸潤程度越高、腫瘤細胞排列越緊密，透聲性越低。數據集的離散程度借助差值（Standard deviation、Mean deviation）表征，Li等［16］認為灰度差值（Standard deviation、Mean deviation）越大，離散程度越高，瘤體內成分越復雜、腫瘤分化越差/級別越高，本研究亦得到相似結論：浸潤程度越低，越接近正常乳腺腺體離散程度（相對值接近1）。Kurtosis、Skewness描述直方圖的峰值和對稱性，Xu等［20］認為宮頸癌患者接受放化療后，其超聲灰度直方圖形態發生改變，接近正常正態對稱性分布。本研究中，相對于正常腺體，浸潤程度越高，直方圖分布越呈偏態（Skewness越大）、越高尖（Kurtosis越大）。在對HA參數的描述中，Ganeshan等［21］認為腫瘤細胞浸潤、血管生成等因素可以導致瘤體均質度和復雜程度改變，從而顯示為Uniformity、Energy、Entropy的變化。在一項對152個甲狀腺乳頭狀癌的分級診斷的臨床研究中，Kwon等［22］發現浸潤性癌的Energy顯著降低（P=0.001），本研究得到類似結論，浸潤程度越高Uniformity/Energy相對值越低、Entropy越高（P＜0.001）。

本研究存在的問題及改進方法：① 受限于單中心研究，不同超聲儀器采集的圖像是否能用于影像數據分析，需要在今后加以驗證；② 本研究中，對HA進行了初步探討，二階參數及高階參數尚未納入討論，自動分割、深度學習、卷積神經網絡等方法可以進一步探討；③ 本研究中僅對不同浸潤程度乳腺癌作對比觀察，在今后研究中將納入其他乳腺病變（如腺病、纖維瘤、淋巴瘤等）進一步對照，對乳腺癌療效觀察和評價也可以列入下階段研究計劃。

總之，本研究基于超聲灰度圖，采用HA對不同浸潤程度乳腺癌進行對比。驗證了HA方法采集參數的信度、一致性；結果顯示HA定量參數可以用于預測乳腺癌浸潤程度。