钱 丽 李 通 唐彩银

南京医科大学附属泰州人民医院影像科 (江苏 泰州 225300)

根据国际癌症研究机构2021年初发布的数据，2020年乳腺癌新发病例高达226万例，居所有新发癌症病例的首位[1]。乳腺MRI检查软组织分辨率高，对多中心及深部病灶的敏感性高于其他检查[2]，T2反转恢复压脂(turbo inversion recovery magnitude,TIRM)序列作为乳腺MRI平扫的常规扫描序列，脂肪抑制技术的应用使病灶与周围组织的信号对比更加突出，显示细节较常规T1WI和T2WI清晰，病灶检出率在一定程度上提高[3]。传统MRI影像诊断主要依靠病灶的形态特征及医生的临床经验，诊断效能有限。纹理分析可以通过分析图像灰度分布情况以及像素与空间之间的关系，定量分析肿瘤的异质性[4-5]，其中常用的二阶纹理分析方式为灰度共生矩阵(gray level co-occurrence matrix，GLCM)。目前大部分纹理分析是针对病灶整体进行，所绘制的感兴趣区(region of interest，ROI)覆盖病灶整体区域。Gatenby等[6]研究发现病灶内不同区域(如：中央和边缘)的纹理特征对病灶的诊断效能有差别。因此，本研究探讨基于TIRM序列不同区域的GLCM纹理特征鉴别乳腺良恶性肿块的价值。

1 资料与方法

1.1 一般资料本研究通过我院医学伦理委员会批准(批准文号：KY202107901)。回顾性收集2016年5月至2021年4月在我院就诊并经病理确诊的女性乳腺病变患者临床资料(发病年龄、病理结果)及MRI检查影像资料。

纳入标准：MRI检查前未曾接受过针对性治疗及病理活检；MRI检查后一周内行活检穿刺或手术切除，病理结果明确。排除标准：MRI图像质量较差，影响观察；病灶过小(短径＜0.5cm)，无法准确设置ROI。

本研究共纳入88例患者(98个病灶)。其中41例病例发现良性病灶48个，年龄在23至65岁之间，平均40.9±10.2岁；47例病例发现恶性病灶50个，年龄在18至79岁之间，平均49.5±11.6岁。

1.2 检查方法使用Siemens Skyra 3.0T和Siemens Verio 3.0T超导磁共振扫描仪及专用4通道乳腺线圈进行扫描。患者取标准俯卧位，头先进，将双侧乳腺自然悬垂并适当固定于线圈中。常规扫描序列包括双乳矢状位T2WI-FS序列、轴位TIRM、T1WI序列及扩散加权成像序列。动态增强扫描采用3D FLASH序列重复扫描6个时相，包括1期蒙片和5期增强，扫描完第一期后注射对比剂，以高压注射器经静脉注射钆喷酸葡胺对比剂(0.1mmol/kg)，流速为2.0mL/s，而后开始连续扫描。其中两台MRI扫描仪TIRM序列的具体扫描参数见表1。

表1 TIRM序列扫描参数

1.3 纹理分析方法由2名分别具有4年及15年乳腺MRI诊断经验的医师遵循盲法原则协商选择TIRM序列中病灶最大层面。选择完成后从PACS工作站中将所选层面图像以BMP格式保存并导入MaZda软件(Version4.6，http://www.eletel.p.lodz.pl/mazda)。选择μ±3σ选项进行图像灰度归一化处理，以便最大限度地减少亮度和对比度变化对纹理分析结果的影响。勾画ROI时，首先沿病灶边缘手动绘制整体区ROI，然后通过形态学操作侵蚀(Erosion)缩小感兴趣区域。根据既往研究[7],我们将侵蚀至病灶直径一半的区域定义为中央区,整体区减去中央区得到的环形区域定义为边缘区(图1-4)，绘制过程中尽量避免坏死、囊变区域。最后分别提取三个区域的GLCM参数，包括角二阶距(AngScMom)、对比度(Contrast)、平方和(SumOfSqs)、逆差距(InvDfMom)、和平均(SumAverg)、和方差(SumVarnc)、和熵(SumEntrp)、熵(Entropy)、差方差(DifVarnc)、差熵(DifEntrp)共计十个参数。

1.4 统计学方法应用SPSS 25.0统计软件进行数据分析，符合正态分布的数据行独立样本t检验进行组间比较，以(±s)表示；若不符合正态分布，则采用Mann-Whitney U检验进行组间比较，以中位数(上四分位数，下四分位数)表示，以P＜0.05认为差异具有统计学意义。比较各参数在良恶性两组间的差异，绘制受试者工作曲线(ROC)评估其诊断效能。进一步选取三个不同ROI两组间差异有统计学意义的纹理参数分别建立多参数Logistic回归诊断模型，绘制ROC曲线评估不同模型对良恶性病灶的诊断效能，确定诊断效能最优的感兴趣区。

2 结果

2.1 GLCM纹理参数的组间比较及诊断价值良恶性两组间差异有统计学意义(P＜0.05)的GLCM参数共计20个(详见表2-4)，其中整体区有6个：角二阶距、对比度、和方差、和熵、熵、差熵；边缘区有7个：角二阶距、对比度、逆差距、和方差、和熵、熵、差熵；中央区有7个：角二阶距、平方和、和平均、和方差、和熵、熵、差熵。良性组中三个感兴趣区的和方差、和熵、熵、差熵均低于恶性组，而角二阶矩均高于恶性组，差异有统计学意义(P＜0.05)。其中以边缘区的差熵诊断效能最高，AUC为0.783，当阈值为1.556时，诊断乳腺癌的敏感度和特异度分别为76.0%、79.2%(详见表5)。

表2 良恶性病变组整体区纹理参数比较

表3 良恶性病变组边缘区纹理参数比较

表4 良恶性病变组中央区纹理参数比较

表5 良恶性病变组差异有统计学意义的各参数诊断效能

2.2 不同ROI的纹理参数联合诊断模型的诊断效能将两组间差异有统计学意义的纹理参数分别联合，并建立基于三个不同ROI的二元Logistic回归诊断模型。绘制ROC曲线评估发现，边缘区纹理参数的联合诊断模型效能最高，AUC为0.840，当阈值为0.569时，诊断乳腺癌的敏感度和特异度分别为82.0%和81.3%。整体区纹理参数的联合诊断模型效能次之，AUC为0.817，当阈值为0.529时，敏感度和特异度分别为76.0%和72.9%。(详见表6、图5)

图5 良恶性病变组不同ROI纹理参数联合诊断模型ROC曲线

表6 良恶性病变组不同ROI纹理参数联合诊断效能

3 讨论

3.1 GLCM纹理参数对鉴别乳腺良恶性病变的价值GLCM是二阶纹理特征的一种，通过统计图像中一定距离和方向的两像素之间的灰度空间关系得到共生矩阵，以此来描述纹理的粗细程度及重复方向[8]。常见的GLCM纹理参数有角二阶矩、相关性、熵、和熵、差熵等。角二阶矩反映了图像分布的均匀程度，当图像均匀性越高或像素强度越规则时，角二阶矩的值越高[9]。本研究中良性组的角二阶矩高于恶性组，这提示乳腺良性病变的图像分布更均匀，异质性更低，与既往文献报道一致[10]。和熵及差熵属于熵相关的纹理特征，反映了图像灰度分布的随机性，图像灰度分布的随机性越高，熵值越大[11]。Zhao等[12]基于特发性肉芽肿性乳腺炎和浸润性乳腺癌的ADC全容积直方图和纹理特征进行研究，结果发现浸润性乳腺癌的差熵和熵比特发性肉芽肿性乳腺炎高，与本研究结果一致。这可能是由于乳腺正常组织结构被肿瘤细胞取代，肿瘤细胞呈现无规律的生长增殖、液化坏死，导致病灶内细胞分布混乱，图像纹理结构变得杂乱无章，从而熵相关的纹理参数高于良性病变。

3.2 不同ROI纹理分析的应用价值纹理分析通过捕捉人眼通常无法识别或无法区分的图像模式，分析图像像素灰度值的局部特征、变化规律及其分布模式，从而客观量化肿瘤的异质性[13]。有学者[14]研究发现，病灶内不同区域细胞增殖活跃度存在差异，因此，仅仅对肿瘤整体区域进行纹理分析评估是不够的，有必要将病灶分为不同区域进行研究。

在本研究中，边缘区的纹理特征在鉴别乳腺良恶性肿块诊断价值最高，整体区次之，中央区最低。高先聪等[7]基于乳腺X线图像不同区域的纹理特征来鉴别乳腺肿块良恶性，结果也发现边缘区域的纹理特征相较于整体区域显示出更好的诊断效能，与本研究结果一致。这可能是因为肿瘤中央区主要由纤维组织和坏死细胞组成，血管化不良，组织结构较单一[15]，而病灶边缘区域含有更丰富的新生微血管、成纤维细胞及淋巴细胞浸润分布，微结构更复杂，分布更混乱[16-17]。

边缘区的纹理特征在一定程度上可以辅助鉴别乳腺良恶性肿块，为临床提供一定的参考依据。然而各学者对肿瘤边缘区的划分范围各不相同。Braman等[18]在评估乳腺癌新辅助化疗的病理完全缓解时，根据肿瘤大小不同，选择的瘤周区域为肿瘤周围的2.55.0mm之间。Wang等[19]选择肺癌瘤周ROI时，采用形态扩张和侵蚀操作在距离病灶边界15mm处进行分割。Kamiya等[20]利用MaZda软件的扩张功能，将乳腺肿瘤边界线由1像素扩张为3像素，将其覆盖的区域定义为肿瘤周围区域。目前对肿瘤边缘区域的划分方式尚未达到统一，有研究[21]发现，由于肿瘤周围组织细胞的组成成分及空间分布不同，所选择的肿瘤边缘范围不同，结果会有很大差异。因此，未来需要进一步联合多中心研究，共同探索肿瘤边缘区域的划分方式，完善本研究结果。

3.3 本研究的局限性本研究存在一些不足之处，第一，使用了来自两台不同MRI机器的数据进行研究，可能会因为不同的扫描参数导致图像质量不同，从而影响纹理分析的结果。第二，只选择了肿瘤最大层面的二维图像进行纹理分析，无法体现肿瘤的三维特征。第三，目前对肿瘤的边缘区域没有达成共识，本研究中边缘区的ROI被简单地定义为肿瘤直径一半的环形区域，未来需要进一步的研究来优化肿瘤边缘区的定义。第四，本研究为单中心回顾性分析，接下来需要收集更多样本数据进行验证。

综上所述，基于TIRM图像的GLCM纹理参数可以有效鉴别乳腺良恶性肿块，其中乳腺肿块边缘区域的纹理特征诊断价值最高，为未来临床诊断提供新的研究思路和方向。