基于胸部三期計算機體層成像圖像的紋理分析對鑒別肺內良惡性結節的價值

劉建 龍巖人民醫院放射科 （福建 龍巖 364000）

內容提要： 目的：分析胸部三期計算機體層成像（CT）圖像的紋理分析對鑒別肺內良惡性結節的價值。方法：以2018年1月～2021年12月來本院就診的109例肺結節病變的患者作為觀察對象，上述患者均經病理證實，其結節共120個，對上述患者均實施平掃后進行胸部三期CT圖像的紋理分析。結果：120個結節中，經病理證實，良性結節為69個，惡性結節51個，平掃結果的敏感度、特異度、準確率分別為47.06%、97.10%、75.83%，而胸部三期CT圖像敏感度、特異度、準確率分別為49.02%、95.65%、75.83%，組間差異不存在統計學意義。結論：通過對一系列肺結節圖像的紋理分析，能夠得到結節的紋理特征參數集合，結合臨床診斷結果，可為臨床提供科學的數據，但在結節良惡性區分方面并無特殊價值。

目前，肺部計算機體層成像（Computed Tomography，CT）體檢趨向常規化，CT將X射線掃描投影數據與計算機技術結合，獲得以層面信息為基礎的醫學影像的技術，是現代醫學成像方法之一，主要機制為X射線穿射人體經部分吸收后，被檢測器所接收，接受射線的強度與人體橫斷面的組織密度有關，CT掃描速度快、冠狀或矢狀面重建的空間分辨率高，不需要重復掃描而患者受輻射劑量減少，還可以從立體角度呈現骨骼與鄰近結構的解剖關系，在骨科領域，可以用來觀察骨骼與鄰近結構的解剖關系，還可以觀察脊柱、骨盆及四肢關節較復雜的解剖部位和病變等。目前肺部結節肺結節發現率逐漸提升，因此對肺部結節肺結節良惡性的鑒別尤為重要。近年來肺結節良惡性鑒別多采用形態學觀察、CT值測量及隨訪觀察等主要方法，缺少有效的圖像特征量化評估手段[1,2]。圖像紋理分析是近些年來新出現的一種圖像后處理技術，通過高通量計算，可以從影像圖像中快速提取大量的定量特征，將數字醫學圖像轉換為高分辨率的可挖掘的高維數據[3]。紋理是指圖像中局部不規則而宏觀有規律的灰度變化，可反映研究對象的內部結構特點，而紋理分析對圖像像素灰度值的局部特征、變化規律及其分布模式進行研究，挖掘人眼不能察覺到的微觀信息，而這些微觀信息往往是組織異質性在圖像上的反映，實施紋理分析可以量化這些差異，更為精準獲得與病灶病理改變相關的信息，可為患者的個性化、綜合性、精準性診療提供強大的幫助[4-6]。此外紋理分析對已有傳統醫學圖像進行分析，在不增加患者治療費用的情況下，可以提高醫學圖像信息利用率，同時也能提升醫學圖像的準確率[7]?；诖?，本研究分析胸部三期CT圖像的紋理分析對鑒別肺內良惡性結節的價值，以109例肺結節病變的患者進行研究，報道如下。

1.資料與方法

1.1 臨床資料

本次研究時間為2018年1月～2021年12月，以109例肺結節病變的患者進行研究，共為120個甲狀腺結節，涉及男61例，女48例，年齡41～85歲，平均（63.59±9.56）歲。

納入標準：①研究人員的臨床資料完整；②患者以及家屬均簽訂知情同意書；③臨床資料完整。排除標準：①合并多種腫瘤疾病者；②存在其他呼吸系統疾病者；③存在代謝異常以及凝血功能異常者；④孕期哺乳期女性患者；⑤中途退出者；⑥精神障礙或意識障礙性疾病，患者不可自主溝通者或良好配合者；⑦中途退出者，不依從者。

1.2 方法

對本次研究所有患者均需仰臥位，雙臂上舉，頭先進位，在64排螺旋CT機下進行掃描，告知患者在掃描過程中需要先吸氣后屏住呼吸，才能減少掃描過程中的偽影，先進行CT平掃，隨后實施胸部三期CT圖像處理，設定參數如下：層厚1mm，FOV400mm，螺距0.9，管電壓120kV，隨后再進行增強對比掃描，其對比劑選擇碘海醇劑量，利用高壓注射器在患者的肘正中靜脈進行注射，注射速度為4mL/s，劑量為1m/kg，將掃描后的圖像，包括平掃、動脈期、靜脈期，分別在相應的軟件中進行導入，并在CK軟件上調節適合的窗寬、窗位，清晰顯示病灶情況，隨后選擇病灶最大層面，在選擇最大層面過程中用，避免含有較多的壞死及鈣化灶，隨后選擇感興趣區域進行手動繪制輪廓，最后通過軟件分析相關參數[8]。

所有的圖像均由2名或2名以上10年以上閱片診斷經驗的高年資影像科醫生進行共同閱片，對患者的病灶部位進行仔細的觀察，同時記錄相關數據，一旦存在意見不統一時，需要根據診斷標準或請多名高年資醫生進行共同參與，選取最佳的診斷結果。

1.3 觀察指標

分析胸部三期CT圖像的診斷準確率，所有患者再實施CT紋理分析得到紋理參數，行CT引導下經皮穿刺肺活檢術，確定良、惡性。

1.4 統計學分析

采用SPSS23.0統計學軟件進行數據分析，計量資料數據用±s表示，兩組間比較采用t檢驗，重復測量的計數資料采用重復測量方差分析；計數資料用%表示，組間比較采用χ2檢驗，以P＜0.05為差異有統計學意義。

2.結果

120個結節中，經病理證實，良性結節為69個，惡性結節51個，平掃結果的敏感度、特異度、準確率分別為47.06%、97.10%、75.83%，而胸部三期CT圖像敏感度、特異度、準確率分別為49.02%、95.65%、75.83%，組間差異不存在統計學意義，結果見表1。

表1.診斷結果(n)

3.討論

肺癌屬于臨床中最常見且發生率較高的惡性腫瘤，病死率較高，因此對于肺癌而言，早期診斷是改善患者預后，延長患者生存時間的關鍵所在[9]。目前，肺部CT體檢常規化且常發現肺結節，肺結節良惡性的鑒別尤為重要，近年來肺結節良惡性鑒別多采用形態學觀察、CT值測量及隨訪觀察等主要方法，缺少有效的圖像特征量化評估手段[10]。圖像紋理分析是近些年來新出現的一種圖像后處理技術，通過高通量計算，可以從影像圖像中快速提取大量的定量特征，將數字醫學圖像轉換為高分辨率的可挖掘的高維數據[11,12]?，F如今，雖然低劑量CT可以在早期肺癌中具有高度敏感性，但是也存在假陽性及特異性較差的缺點，另外利用低劑量CT掃描過程中受到放射科醫師經驗影響，很容易造成漏診率，故而，如何提升肺結節良惡性的診斷準確率，為臨床提供科學的數據支持則為研究的重點[13,14]。

近年來，胸部CT掃描發現肺結節患者越來越多，肺部孤立性結節良惡性鑒別多采用形態學觀察、CT值測量及隨訪觀察等主要方法，盡管胸部CT的應用在肺癌診斷中取得了顯著進展，但仍然存在一些挑戰[15,16]。CT是指通過圖像或視頻等視覺數據，對其中的結構、特征進行分析和處理的一門技術，紋理分析是計算機視覺領域中的重要研究方向之一，通過紋理分析，我們可以對圖像或者視頻中的紋理特征進行提取和分類，進而應用于許多領域，如圖像處理、目標檢測和識別、醫學影像分析等，本文采用CT應用于胸部紋理進而鑒別肺內良惡性結節。肺結節的良惡性鑒別一直是一個復雜的問題，因為一些良性結節在CT圖像上可能呈現與惡性結節相似的形態，傳統的肺癌診斷方法主要依賴于腫瘤的形狀、大小和位置等表面特征，而這些特征在一些情況下可能不夠敏感和特異，缺少有效的圖像特征量化評估手段[17,18]。

隨著臨床技術的不斷提升，胸部CT成像技術也不斷改善，不同性質的結節對射線吸收程度不一樣，臨床上對于良惡性鑒別金標準主要為病理檢查，但是常具有一定創傷性，CT檢查不僅可以判斷提高檢查率，還可以減少患者損害性。影像學檢查在肺結節檢測方面取得了顯著的進展，早期的研究主要集中在對肺部解剖結構的觀察，然而，進行紋理分析可以量化這些差異，更為精準獲得與病灶病理改變相關的信息[19]?？蔀榛颊叩膫€性化、綜合性、精準性診療提供強大的幫助，此外紋理分析對已有傳統醫學圖像進行分析，在不增加患者治療費用的情況下，提高了醫學圖像信息利用率[20]。

紋理分析作為一種圖像處理的方法，通過一定的圖像處理技術提取出紋理特征參數，從而獲得紋理的定量或定性描述的處理過程，紋理分析在遙感圖像、X射線照片、細胞圖像判讀和處理方面有廣泛的應用[21,22]。近年來在醫學領域中引起廣泛關注，紋理特征提供了對圖像內部結構和灰度分布的詳細描述，這對于區分不同組織類型和發現微小的結構變化非常有幫助，在肺結節的研究中，紋理分析被廣泛應用于提取肺部組織的細微特征，進而實現對肺結節的準確診斷[23,24]。并且，有學者提出，肺結節的紋理特征是由圖像中像素的灰度分布、密度和排列等因素所決定的，良性和惡性結節在CT圖像中通常表現出不同的特征，先前的研究表明，惡性結節往往呈現出更大的灰度變化范圍、更復雜的紋理結構以及更高的灰度均值，相較于良性結節，這些特征可能反映了惡性細胞的異質性和組織結構的不規則性[25]。故而作為一種圖像處理的方法，可從圖像中提取更豐富信息，但是在傳統CT平掃中，也可以捕捉到結節的微小結構變化，而通過對圖像紋理特征的定量分析，雖然能夠準確地刻畫肺結節內部的組織結構，但是在實際臨床中，紋理分析會受到多種因素的影響，故而在結節良惡性中并無明顯價值[26,27]。

綜上所述，通過對一系列肺結節圖像的紋理分析，能夠得到結節的紋理特征參數集合，結合臨床診斷結果，可比對良性、惡性結節紋理特征差異，然而在結節良惡性區分方面并無特殊價值。但是本次研究也存在一定的不足之處，首先，不同的CT設備和參數設置可能導致圖像的差異，影響紋理特征的提取和分析。其次，本次研究選擇樣本數量較少，并未與健康肺情況進行對比，故而還需進一步的研究。