苗延巍：基於常規MRI圖像的紋理分析鑒別：血管周細胞瘤/孤立性纖維瘤與血管瘤型腦膜瘤

來源：磁共振成像傳媒

董俊伊, 苗延巍, 劉雙, 韓亮, 李曉欣, 劉楊穎秋, 宋清偉, 韋玉山, 劉愛連. 基於常規MRI圖像的紋理分析鑒別：血管周細胞瘤/孤立性纖維瘤與血管瘤型腦膜瘤. 磁共振成像, 2018, 9(4): 258-264.

苗延巍，大連醫科大學附屬第一醫院，醫學博士；博士生導師；教授；放射科副主任。

教育背景：1994年本科畢業於中國醫科大學影像系；2003年碩士畢業於大連醫科大學，2010年博士畢業於天津醫科大學，師從於著名影像學專家伍建林教授。於2008年-2009年期間以訪問學者赴美國底特律韋恩州立大學學習。

專業特長：神經、頭頸及腫瘤影像診斷，著重於腦腫瘤、腦血管疾病、腦退變性疾病等的影像診斷。

獲得獎勵或榮譽稱號：曾獲遼寧省教學成果二等獎：形象優化與知識重組教學模式在醫學影像學課程中的建立與應用（2005年）；遼寧省普通高等學校優秀青年骨幹教師（2006年）；大連市政府科技進步三等獎：利用多模態磁共振探索腦鐵沉積及腦血流-腦氧代謝，2017年，主持人。

研究方向：腦重大疾病結構及功能MRI研究。主持並參與5項國家自然科學基金、2項省級基金及2項市級項目；發表論文100餘篇，其中SCI論文10餘篇；主編或參編學術專著10部。

社會兼職：現任中華醫學會放射學分會神經學組委員；中國醫學裝備協會磁共振成像裝備與技術專業委員會委員、神經學組副組長；中國醫療保健國際交流促進會放射學分會委員；遼寧省醫學信息與健康工程學會會員；大連腫瘤學會委員；大連市醫學會放射分會委員；大連市放射診斷質控中心副主任委員；大連醫師協會放射分會常務委員；大連理工大學精準轉化醫學控制工程中心兼職研究員。並擔任《磁共振成像》雜誌青年編委、《中國臨床醫學影像雜誌》等雜誌編委。

血管周細胞瘤(hemanyiopericytoma，HPC) 在中樞神經系統較少見，約佔腦腫瘤的1%[1-2]。HPC是來源於腦膜間質血管外皮細胞的一種惡性腫瘤，具有明顯的侵襲性，術後不僅可以複發，而且可以向腦外轉移[3]。而血管瘤型腦膜瘤(hemangioma meningioma，HM)起源於蛛網膜絨毛頂端的帽狀細胞，以良性腫瘤居多，其多數預後良好，如切除徹底，可獲永久性治癒[4-5]。HPC 與HM在治療及預後方面完全不同，所以對於兩者的術前鑒別是非常必要的。有研究顯示HPC在形態、大小、信號(囊變壞死，血管流空影)、與硬腦膜關係等方面與HM存在顯著差異[5]。在常規情況下，磁共振成像(magnetic resonance imaging， MRI)是鑒別HPC與HM的首選方法，然而由於兩者的發病部位以及MRI表現非常相似，因此如果僅依靠肉眼分析影像學徵象的方法來鑒別兩者， 臨床誤診率較高。而紋理分析是一種新的圖像分析方法[6]，已應用於頭頸部、子宮、直腸等惡性腫瘤分級或評估預後[7-12]。另外，以往對腫瘤的定量大多採用選擇局部感興趣區(region of interest， ROI)法，但這種方法不能全面、準確地反映腫瘤整體的異質性，並且這種方法存在個人選擇誤差及樣本誤差[13-14]。基於腫瘤全域的ROI方法則涵蓋了整個腫瘤，消除了潛在的抽樣偏差，可以提供更全面的腫瘤異質性的信息[11，15-17]。目前尚無腫瘤全域基於常規MRI序列的紋理分析血管周細胞瘤及血管瘤型腦膜瘤的相關報道。因此，本研究擬探討基於常規MRI圖像，腫瘤全域的紋理分析在兩者的鑒別診斷價值。

1

材料與方法

1.1

臨床資料

回顧性收集自2010年1月至2017年3月在大連醫科大學附屬第一醫院進行MRI掃描，並手術或活檢病理證實的HPC及HM患者22例。入組標準： (1)術後組織學診斷依據《WHO 2016版中樞神經系統腫瘤分類》[18]；(2) MRI掃描前未行手術、穿刺，也未行放化療；檢查前已簽署知情同意書； (3)均使用GE Signa HDxt 3.0 T進行常規MRI序列T1WI、T2WI、T1WI增強掃描。5例患者因圖像部分丟失或圖像質量欠佳(n=2)及MRI掃描前已進行手術(n=3)被排除。最終共有17例患者入組，其中HPC 8例(男1例，女7例)，年齡(66.0±22.3)歲； HM 9例(男4例，女5例)，年齡(57.0±21.5)歲。

1.2

數據採集

本研究採用美國GE Signa HDxt 3.0 T MRI掃描儀，患者仰卧位，採用標準頭線圈。MRI平掃序列包括：快速自旋迴波(fast spin echo，FSE) T1WI矢狀位及軸位、FSE T2WI 軸位。然後行T1WI增強掃描，依次採用三維結構像掃描(three-dimensional brainvolume，3D BRAVO)及自旋迴波(spin echo，SE)序列T1WI軸位，增強掃描用釓賁替酸葡甲胺，經肘靜脈注射，劑量0.1 mmol/kg， 注射流速3.0 ml/s。具體掃描參數見表1。

1.3

圖像處理

將T1WI、T2WI、T1WI增強圖的DICOM格式數據拷貝至個人電腦，導入Omni-Kinetics軟體得到相應的信號強度圖進行後處理。結合T2WI及T1WI增強圖確認腫瘤實質、水腫區，沿腫瘤水腫的邊緣逐層手動描繪ROI，涵蓋全部腫瘤實質部分及水腫區域，保證T1WI、T2WI、T1WI增強圖的ROI範圍一致。將所有層面的ROI累加為一個3D ROI (圖1)，軟體將分別自動計算出相應強度直方圖。記錄腫瘤全域的紋理參數，包括最小值、最大值、平均值、標準差、相對偏差、體素數、偏度、峰度、一致性、百分位數、均方根值、值域、平均差、集群陰影、集群突出。

1.4

統計學處理

應用統計軟體包SPSS 17.0進行數據分析。將本研究中HPC與血管瘤型腦膜瘤的發病年齡、性別及影像特徵進行統計學分析，其中計數資料組間比較採用Fisher確切概率法，計量資料組間比較採用兩獨立樣本t檢驗；採用Mann-Whitney U檢驗進行腫瘤間對照分析。對於有統計學意義的紋理參數，利用受試者操作特性(receiver operating characteristic， ROC)曲線來確定各紋理參數對於鑒別HPC及HM診斷的效能。

2

結果

2.1

一般資料及影像學徵象差異

本研究中HPC約87.5% (7/8)呈分葉狀或不規則形，而HM約77.8%(7/9) 呈類圓形或橢圓形，並且HPC與HM的形態學差異具有統計學意義(P＜0.05) 。本研究中囊變壞死在HPC較HM更多見；HPC與HM的瘤周水腫程度不同，HPC多為輕中度水腫(5/8)，而HM以中重度水腫(7/9)為主，但兩者囊變壞死以及瘤周水腫之間的差異無統計學意義。而且本研究中HPC與HM患者的年齡、性別，以及HPC與HM腫瘤的大小、T1WI 信號、T2WI信號、血管流空影、與腦膜附著形式、腦膜尾征、瘤內出血、中線結構移位等因素差異均無統計學意義(P＞0.05)。詳見表2。

2.2

紋理參數差異

在T1增強信號強度圖像紋理參數中， HPC的平均差和偏度明顯高於HM (P＜ 0.05)，而前者的最小值、平均值、均方根值、平均差、均一性、第5、10、25、50(中位數)、75、90 百分位數明顯低於後者(P＜0.05)。見表3。

T2信號強度圖像紋理參數中，HPC的偏度、集群陰影、集群突出明顯高於HM (P＜0.05)，而前者的均一性、第5、10、25 百分位數明顯低於後者(P＜0.05)。而兩種腫瘤間T1信號強度圖像各紋理參數值差異均無統計學意義(P＞ 0.05)。見表4。

本研究中，HPC T2WI信號值直方圖的圖像中心明顯左偏，T1WI增強信號值直方圖的圖像表現為高、低雙峰，而高峰的主體偏右。HM T2WI信號值及T1WI 增強信號值直方圖的圖像中心均表現出明顯右偏(圖2、3)。

2.3

兩種腫瘤紋理參數的ROC曲線分析

ROC曲線分析顯示，T1增強信號中，以第25百分位數1873.07為閾值鑒別HPC與HM的曲線下面積(area under the curve， AUC)最大，診斷能力最佳(AUC=0.917)， 敏感性及特異性分別為66.7%、100.0%， 而中位值(第50百分位數)的診斷能力次之(AUC=0.903)；T2信號中，以均一性0.79為閾值鑒別二者的診斷能力最佳(AUC=1.00)， 敏感性及特異性分別為88.9%、100%，而集群陰影診斷能力次之(AUC=0.931)，見表5、6。

3

討論

3.1

HPC與HM常規影像學、病理表現

本研究顯示HPC與HM在形態學上差異具有統計學意義(P＜0.05)，即HPC多呈分葉狀或不規則狀，可能因為HPC各部位生長速度不一致，而且與侵襲性生長有關[19-20]，而HM多為類圓形及橢圓形；由於HPC腫瘤生長速度過快，侵蝕腫瘤的部分滋養血管，腫瘤血供減少，從而導致HPC中囊變壞死較HM更常見[5]，這與本研究結果一致。本研究中，HPC多表現為輕中度瘤周水腫，是由腫瘤迅速浸潤臨近腦組織導致，而HM多表現為中重度瘤周水腫，可能與血管源性水腫有關[5]。並且以往有研究顯示HPC常具有豐富的血管流空現象，MRI信號多不均勻，無腫瘤內鈣化和骨質增生、局部顱骨呈溶骨性破壞，而HM這些表現相對少見，所以其信號多較均勻；MRI增強示HPC和HM腫瘤實體均呈顯著增強效應，但HPC腫瘤實質多為不均勻性強化，而HM腫瘤多為均勻顯著強化[21]。有研究發現ADC值對於HPC及不同亞型腦膜瘤之間的鑒別有一定的價值，但其結果顯示HPC的mADC及NADC值與HM差異無統計學意義[22]。在病理表現方面，HPC鏡下(圖3C)顯示腫瘤細胞主要由密集的梭形細胞構成，血管大小不等，較有特異性的表現為包繞著腫瘤細胞，並環繞著毛細血管內皮細胞、向外放射狀走行網狀纖維[23]，而HM鏡下(圖4C)顯示腫瘤瘤組織為增生豐富的厚壁、薄壁血管，其間有散在分布的腦膜上皮細胞[19]。綜上所述，HPC與HM在MRI表現以及病理表現上具有特徵性鑒別點，但在大多數情況下，HPC與HM的常規MRI表現有較多相似之處，鑒別診斷極其困難，而且病理檢查屬於有創檢查，不能作為鑒別診斷的首選。

3.2

紋理分析在HPC與HM鑒別中的應用

基於像素分布的紋理分析是通過計算整個組織內部信號值，並分別以MR信號值以及相同信號範圍內像素值為X軸和Y軸，可用來測量ROI的平均信號值、像素數及像素數信號變化範圍，提供定量的腫瘤異質性信息[24-27]。本研究表明，通過涵蓋腫瘤實質和水腫區域的全域測量，兩種腫瘤增強T1WI圖像紋理參數中的最小值、平均值、均方根值、平均差、偏度、均一性、百分位數差異均存在統計學意義(P＜0.05)，除了平均差和偏度，其餘HM各參數值均高於HPC。HM的峰度值高於HPC，表示HM圖像的灰度分布更集中於平均灰度附近[28-29]。筆者認為這主要是由於HM內瘤細胞多均勻分布，結構緻密，而HPC內細胞成分混雜所致，但差異並不顯著。本研究中的HPC與HM的偏度值均偏向於負值，其絕對值HPC低於HM。筆者認為發生此現象的原因主要是由於HPC 存在較多壞死、囊變，使得曲線分布向左偏移； 而HM實質成分較均勻，偏度較大，曲線右偏。而各值區的增強T1WI參數差異均有統計學意義(P＜0.05)，有理由推斷上述各參數對於兩者之間的鑒別診斷均有意義，而且第25百分位數、第50百分位數(或中位數)具有較好的診斷效能，可能會是相對較為可靠的鑒別診斷參數。

均一性反映的是腫瘤ROI內的異質性程度，數值越小，表明ROI內灰階強度值分布越不均勻，或者說數值範圍大小越大，異質性程度越大[30]。本研究中增強T1WI、T2WI信號的均一性差異存在統計學意義(P＜0.05)，HM的均一性均高於HPC， 說明後者異質性程度較前者更明顯，瘤內存在更多的出血、囊變或壞死。在本研究中，T2WI信號圖像紋理參數中HM的第10百分位數、第25百分位數均顯著高於HPC，說明低值區的T2WI信號強度對於兩者之間的診斷更有意義。集群陰影與集群突出均為衡量灰度共生矩陣偏度和一致性的指標，兩者的值越高，說明不對稱性更大，本研究顯示HPC中上述兩參數均顯著高於HM，與HPC的惡性腫瘤異質性明顯相吻合。本研究結果顯示，以均一性鑒別HPC與HM診斷效能最佳，當閾值為0.79時，ROC曲線AUC為1.00，敏感性及特異性分別為88.9%、100%，這有望作為鑒別二者的一個良好的影像學指標。

3.3

不足之處

本研究也存在局限性。首先，本研究是回顧性研究，無法在外科手術切除前或切除中獲得更多信息。其次，由於HPC與HM均屬於少見腫瘤， 因此研究樣本量相對較小，可能會對結果造成一些影響，例如本研究出現AUC為1的情況，這極有可能是由於病例數過小所導致的，因此筆者將繼續收集和總結病例資料，為進一步提高HPC與HM的精確診斷率積累資料。

參考文獻

[References]

[1]Yu GY, Liu XB. Study on the incidence of warthin tumor in parotid gland. J OralMaxil Surg, 1997, 7(2): 88-91.

俞光岩, 柳曉冰. 腮腺沃辛瘤發病情況分析. 口腔頜面外科雜誌, 1997, 7(2): 88-91.

[2]Wang JH, Tan YH, Zhang G. Clinical analysis of 52 cases of cystadenolymphoma(Warthin" s tumor)in parotid gland. Acta Acad Med Mil Tert, 2004, 26(1): 4.

王建華, 譚穎徽, 張綱. 腮腺腺淋巴瘤52例臨床分析. 第三軍醫大學學報,2004, 26(1): 4.

[3]Zhang J, Du GH. Clinical analysis of 106 cases of central nervous systemhemangiopericytoma. Chin J Neurosurg, 2010, 26(10): 935-937.

張頡, 杜固宏. 中樞神經系統血管外皮細胞瘤106例臨床分析. 中華神經外科雜誌, 2010, 26(10): 935-937.

[4]Liu ML, Han T, Liu L, et al. MRI features and pathological analysis ofhemangiopericytoma occurred in the central nervous system. J Chin Comput MedImag, 2007, 13(6): 389-396.

劉梅麗, 韓彤, 劉力, 等. 中樞神經系統血管外皮細胞瘤的MRI表現與病理分析. 中國醫學計算機成像雜誌, 2007, 13(6): 389-396.

[5]Chen R, Peng DC, Hu ZL, et al. Differences in MRI findings between intracranialhemangiopericytoma and angiomatous meningioma. Chin J Magn Reson Imaging, 2016,7(3): 173-179.

陳榮, 彭德昌, 胡祖力, 等. 顱內血管周細胞瘤與血管瘤型腦膜瘤的磁共振成像徵象對比分析. 磁共振成像, 2016, 7(3): 173-179.

[6]Shahabaz, Somwanshi DK, Yadav AK, et al. Medical images texture analysis: Areview. International Conference on Computer, Communications and Electronics.IEEE, 2017: 436-441.

[7]Tozer DJ, J?ger HR, Danchaivijitr N, et al. Apparent diffusion coeffcienthistograms may predict low-grade glioma subtype. NMR Biomed, 2007, 20(1):49-57.

[8]Ahn SJ, Choi SH, Kim YJ, et al. Histogram analysis of apparent diffusioncoefficient map of standard and high B-value diffusion MR imaging in head andneck squamous cell carcinoma: a correlation study with histological grade. AcadRadiol, 2012, 19(10): 1233-1240.

[9]Suo ST, Chen XX, Fan Y, et al. Histogram analysis of apparent diffusion coefficientat 3.0 T in urinary bladder lesions: correlation with pathologic findings. AcadRadiol, 2014, 21(8): 1027-1034.

[10]Ma X, Zhao X, Ouyang H, et al. Quantified ADC histogram analysis:a new methodfor differentiating mass-forming focal pancreatitis from pancreatic cancer.Acta Radiol, 2014, 55(7): 785-792.

[11]Woo S, Cho JY, Kim SY, et al. Histogram analysis of apparent diffusioncoefficient map of diffusion-weighted MRI in endometrial cancer: a preliminarycorrelation study with histological grade. Acta Radiol, 2014, 55(10):1270-1277.

[12]Cho SH, Kim GC, Jang YJ, et al. Locally advanced rectal cancer:post-chemoradiotherapy ADC histogram analysis for predicting a completeresponse. Acta Radiol, 2015, 56(9): 1042-1050.

[13]Kang Y, Choi SH, Kim YJ, et al. Gliomas: histogram analysis of apparentdiffusion coefficient maps with standard or high-b-value diffusion-weighted MRimaging-correlation with tumor grade. Radiology, 2011, 261(3): 882.

[14]Just N. Improving tumour heterogeneity MRI assessment with histograms. Br JCancer, 2014, 111(12): 2205-2213.

[15]Ahn SJ, Choi SH, Kim YJ, et al. Histogram analysis of apparent diffusioncoefficient map of standard and high B-value diffusion MR imaging in head andneck squamous cell carcinoma: a correlation study with histological grade. AcadRadiol, 2012, 19(10): 1233.

[16]Jin RY, Hong CS, Joon PS, et al. Glioma: application of whole-tumor textureanalysis of diffusion-weighted imaging for the evaluation of tumorheterogeneity. PLoS One, 2014, 9(9): e108335.

[17]Zhang YD, Wang Q, Wu CJ, et al. The histogram analysis of diffusion-weightedintravoxel incoherent motion (IVIM) imaging for differentiating the gleasongrade of prostate cancer. Eur Radiol, 2015, 25(4): 994.

[18]Louis DN, Perry A, Refenberger G, et al. The 2016 World Health Organizationclassification of tumors of the central nervous system : a summary. ActaNeuropathol, 2016, 131(6): 803-820.

[19]Bai LC, Zhou JL, Xu R, et al. MRI features of intracranial anaplastichemangiopericytoma. J Pract Radiol, 2012, 28(8): 1186-1188.

白亮彩, 周俊林, 徐瑞, 等. 顱內間變型血管周細胞瘤的MR特徵. 實用放射學雜誌, 2012, 28(8): 1186-1188.

[20]Wei XH, Zhou JL, Li WP, et al. Correlation between cystic necrosis ofcranio-hemangiopericytoma and the expression of P73. J Chin Clin Med Imaging,2010, 21(1): 9-12.

魏曉輝, 周俊林, 黎衛平, 等. 顱內血管外皮細胞瘤囊變壞死與P73 表達相關性的研究. 中國臨床醫學影像雜誌, 2010, 21(1): 9-12.

[21]Zhou JL, Zhao JH, He N, et al. Comparison of MRI sign and pathological findingsin intracranial hemangiopericytomas and angiomatous type meningioma. J ChinClin Med Imaging, 2006, 17(12): 669-678.

周俊林, 趙建洪, 何寧, 等. 顱內血管外皮細胞瘤與血管瘤型腦膜瘤的MRI與病理對照. 中國臨床醫學影像雜誌, 2006, 17(12): 669-672.

[22]Li Q, Zhou BJ, He HJ, et al. Application of ADC values in differentiatinghemangiopericytomas from meningiomas. J Chin Comput Med Imag, 2015, 21(5):419-425.

李橋, 周碧婧, 何慧瑾, 等. ADC值在鑒別血管外皮細胞瘤與腦膜瘤中的應用. 中國醫學計算機成像雜誌, 2015, 21(5): 419-425.

[23]Tang F, Liu H. MRI manifestations of intracranial hemangiopericytoma:comparison study with pathological findings. J Clin Radiol, 2014, 33(9):1438-1441.

唐菲, 劉輝. 顱內血管周細胞瘤的MRI表現與病理對照分析. 臨床放射學雜誌, 2014, 33(9): 1438-1441.

[24]Shang Z, Li M. Combined feature extraction and selection in texture analysis.International Symposium on Computational Intelligence and Design. IEEE, 2017:398-401.

[25]Zhang S, Li YL, Huang S. Post contrast-enhanced T1WI histogram analysis fordifferentiating glioblastom from solitary brain metastasis. Chin J Med Imaging,2017, 25(2): 89-92.

張勝, 李玉林, 黃送. 增強T1WI直方圖在膠質母細胞瘤和腦單發轉移瘤鑒別診斷中的應用. 中國醫學影像學雜誌, 2017, 25(2): 89-92.

[26]Xu XQ, Hu H, Su GY, et al. Utility of histogram analysis of ADC maps fordifferentiating orbital tumors. Diagn Interv Radiol, 2016, 22(2): 161.

[27]Liu H, Wang XY, Long XY. Research progress and clinical application of tumorheterogeneity based on CT texture analysis. Int J Med Radiol, 2016, 29(5):543-548.

劉慧, 王小宜, 龍學穎. 基於CT圖像紋理分析腫瘤異質性的研究進展及應用. 國際醫學放射學雜誌, 2016, 29(5): 543-548.

[28]Wesseling P, Ruiter DJ, Burger PC. Angiogenesis in brain tumors;pathobiologicaland clinical aspects. J Neurooncol, 1997, 32(3): 253-265.

[29]Bakry A, Elfadil M, Osama F. Characterizations of brain glioma in MRI usingimage texture analysis. LAP LAMBERT Academic Publishing, 2017.

[30]Lubner MG, Smith AD, Sandrasegaran K, et al. CT texture analysis: definitions,applications, biologic correlates, and challenges. Radiographics, 2017, 37(5):1483-1503.

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！