刘静 段博 钟水军 乔中伟 许政敏

1嘉兴市妇幼保健院耳鼻咽喉科

2上海复旦大学附属儿科医院耳鼻咽喉头颈外科

影像组学的概念在2012年时由荷兰学者[1]最早提出，其深层含义是指从放射图像（MRI、CT、PET等）中提取大量图像特征的高通量方法。通过获取影像数据，对提取的病灶特征进行分割与模型建立、深入的分析、挖掘大量影像数据信息，并做出预测，为临床医师做出更准确的诊断提供依据。它可简单的理解为把放射影像信息转化成深层次的特征来进行量化研究[2]。近年来结合医学影像辅助诊断与大数据技术，产生了新的影像组学方法，从影像中提取大量特征来量化肿瘤等其他重大疾病，有效的帮助解决肿瘤异质性难以定量评估的问题，为临床提供重要价值。影像组学技术以计算机辅助诊断（computer aided diagnosis，CAD）为基础，目前可用来辅助诊断、预测和分析临床、融合影像等信息。随着这种新研究方法的提出，利用影像组学提取的数据来综合评价肿瘤的各种表型得到越来越多人的尝试[3]。影像组学的特征分析应用于耳鼻咽喉头颈外科疾病相对较少。本文回顾性分析17例经病理证实的颞骨胆脂瘤患儿及13例颞骨朗格汉斯组织细胞增生症患儿的CT资料，旨在探讨影像组学在二者早期诊断中的应用价值。

1 资料与方法

1.1 一般资料

收集2016年1月至2020年12月于复旦大学附属儿科医院耳鼻咽喉头颈外科就诊，经病理确诊的颞骨胆脂瘤患儿17例（17耳），其中男8例，女9例，年龄1岁至8岁，平均4.2岁。

颞骨朗格汉斯组织细胞增生症的患儿13例（13耳），其中男8例，女5例，年龄1岁至10岁，平均5.6岁。采用GE 64排螺旋CT（light speed VCT）扫描仪，均行颞骨HRCT扫描，间距5mm,准直5mm，切片厚度5mm,增量0.625，冠状位重建。不能配合检查的患儿，给予5%水合氯醛溶液(0.5mg/kg)诱导其入睡。

1.2 方法

对上述患儿的HRCT进行影像组学分析。影像组学的处理流程如下：（1）获取影像数据；（2）标定病灶区域（如图1）；（3）分割病灶区域；（4）提取和量化特征；（5）建立影像数据库；（6）分类和预测。使用3d-slicer软件对患者HRCT进行感兴趣的区域(ROI)进行分割，影像组学特征提取。从每个ROI中提取8类共889个影像组学特征，包括：1 First Order Statistics(19 features)；2 Shape-based(3D)(16 features)；3 Shape-based(2D)(10 features)；4 Gray Level Cooccurence Matrix(24 features)；5 Gray Level Run Length Matrix(16 features)；6 Gray Level Size Zone Matrix(16 features)；7 Neighbouring Gray Tone Difference Matrix(5 features)；8 Gray Level Dependence Matrix(14 features)。

图1 棕色区域为病变组织Fig.1 The brown area is the diseased tissue

利用最大相关最小冗余(MRMR)特征选择计算方法对提取出来的特征集进行降维操作从而特征优化[4]。利用ANACONDA软件构建SVM对降维后得到的特征进行分类,70%的数据作为训练集,另外30%作为测试集,分类器的稳定性通过十倍交叉验证进行评估。分别使用准确性、特异性、敏感性和AUC对分类器的性能进行评价[5]。

2 结果

稳定特征13个（如图2）。其中相关系数较大的特征为以下3种：IMC，Coarseness，SAE。

图2 13个稳定特征Fig.2 13 stable features

朗格汉斯组织细胞增生症CT体素IMC和胆脂瘤有明显区别；前者平均值为-0.88，后者平均值为-0.27。

朗格汉斯组织细胞增生症的Coarseness要明显高于胆脂瘤；前者平均值为0.25，后者平均值为0.069。

朗格汉斯组织细胞增生症的SAE要明显高于胆脂瘤；前者平均值为0.94，后者平均值为0.69。

利用机器学习对朗格汉斯组织细胞增生症和颞骨胆脂瘤的CT影像组学特征进行分类，准确率为100%，AUC曲线下面积为1（如图3）。

图3 AUC曲线下面积为1Fig.3 The area under the AUC curve is 1

3 讨论

朗格汉斯组织细胞增生症是一种原因未明的以多器官组织细胞浸润为特点的罕见疾病。好发于儿童，发病率很低，只有1/（10-50）万，不足小儿肿瘤性疾病的2%。15%-61%累及颞部,以颞部为首发症状的占5%-25%[6]。本病病因至今不明,早期多数学者认为与免疫功能紊乱相关,少数认为可能与创伤、酶代谢障碍或病毒感染相关,最近有一些学者提出朗格汉斯组织细胞增生症是单克隆增殖性疾病[7]。

在HRCT上，颞骨朗格汉斯组织细胞增生症常表现出大块溶骨性破坏，边缘清楚、不规则的轮廓、不伴有硬化，常有“地图状”、“纽扣状”的特征性外观；增强扫描后显示病变呈中到高度强化。HRCT可清晰的显示颞骨有无破坏，对听小骨以及骨迷路等结构均可清晰显示；增强扫描能更准确的显示病变的范围及相邻结构。

颞骨胆脂瘤源于胚胎发育异常，因外胚层上皮组织残留在颞骨中形成，上皮不断脱屑堆积而又不能排空所致[8]。发病率约占总胆脂瘤的2%-5%[9]，起病隐匿，多为单侧发病，早期可无临床症状，易被临床医师漏诊误诊。

HRCT能清楚显示胆脂瘤的大小、位置，以及听小骨和中耳乳突骨质破坏情况。其对手术方式的选择及能否进行听力重建起到决定性作用。颞骨先天性胆脂瘤最典型的表现为鼓室内圆形或类圆形肿块，边界清楚，可见光滑的骨膨胀和骨侵蚀，胆脂瘤的骨边缘常有轻度硬化，增强扫描后不强化，鼓膜及内耳结构一般不受影响。

发现颞骨占位后，常规的影像学检查为平扫或增强HRCT，补充不同形式的MR平扫或MR增强检查等。最终结果要依靠十分有经验的影像及临床医师来做出判断。如果是发病早期，影像学检查表现未出现骨质等结构破坏时，医师就很难做出准确的判断。

利用影像组学特征分析，可以避免多次影像学检查。甚至只需要HRCT平扫，对病灶进行影像组学特征分析便可确诊。影像组学通过分割病灶，特征抽取，建立影像数据库，进行分类和预测，分析个体化数据。而纹理分析指通过图像的处理技术提取出纹理特征参数，它是影像组学特征数据中的一类[10]。通过研究纹理分析及影像组学可以了解医学影像中隐含的庞大的数字化信息，并且可客观的在临床疾病诊治及预测预后过程中运用[11]。

本研究提取并筛选出3个较显著的影像组学特征包括：IMC，Coarseness，SAE，可以用于以上两种病变的鉴别诊断。IMC评估概率分布之间的相关性，量化纹理的复杂性。Coarseness是对中心体素及其邻域之间的平均差异的度量，并且指示了空间变化率。较高的值表示较低的空间变化率和局部较均匀的纹理。SAE是小尺寸区域分布的度量，值越大，表示尺寸越小区域和纹理越细。Christophe等一项多中心研究中，分析了乳突胆脂瘤和中耳乳突炎的HRCT影像组学特征[12]。使用来自不同中心的原始数据进行重新采样，得出的总体AUC中位数为0.88（0.82-0.99），而使用综合协调数据得出的总体AUC中位数为0.89（0.79-0.92）。从HRCT提取的放射学特征区分胆脂瘤和中耳乳突炎，当使用在CT采集参数方面获得的多中心数据时，数据重采样、综合重建后协调可以明显改善基于放射性组的病变分类。

影像组学特征分析在不同类型的成像数据上进行的放射学特征分析，有希望为全身不同占位实体进行分离。例如CT提示为乳突软组织密度影，可以区分渗出液或占位，甚至可以分辨出具体的肿瘤。

纹理分析和影像组学因具有客观描述性的特点，近年来被广泛应用于各系统占位病变，通过的肿瘤异质性特点，深入客观地评估肿瘤表型，为肿瘤鉴别诊断、治疗和预后预测提供精准指导[13]。但目前仍有一些技术问题方面的困扰，导致对特征结果有影响，如：放射影像的采集模式、参数的重建、占位大小、分割阈值；图像分割上：手动分割图像会因操作者之间出现差异，通常推荐自动或半自动法进行图像分割；部分纹理特征也会存在重复性差的局限性；关于特征计算，同一种纹理特征的计算方法存在不同[3]。而且目前学者对两者应用于非肿瘤性疾病的关注度较少[14]，但其对于各系统非肿瘤疾病的研究具有一定的潜力和价值，怎样从大量纹理特征中选取最具稳定性，最优的纹理特征是当前研究的重点和难点。

本研究缺点为病例数较少，需要扩充病例数进一步研究。病例数较多时可以进行深度机器学习，进一步提高诊断准确率。进而制作人工智能模型，做影像学智能分类，为临床精准治疗提供帮助。

4 结论

影像组学特征分析可以作为颞骨占位鉴别诊断的重要辅助手段。其中IMC，Coarseness，SAE可以作为鉴别颞骨胆脂瘤和颞骨朗格汉斯组织细胞增生症的重要特征。为早期无创诊断提供重要线索。