甲狀腺意外結節增強CT的紋理特征分析對良惡性鑒別的價值研究

吳宇強，靳激揚，馮銀波

(1.東南大學 醫學院，江蘇 南京　210009; 2.東南大學附屬中大醫院 醫學影像科，江蘇 南京　210009；

3.南京醫科大學附屬無錫人民醫院 影像科，江蘇 無錫　214023)

?

甲狀腺意外結節增強CT的紋理特征分析對良惡性鑒別的價值研究

吳宇強1，靳激揚2，馮銀波3

(1.東南大學 醫學院，江蘇 南京210009; 2.東南大學附屬中大醫院 醫學影像科，江蘇 南京210009；

3.南京醫科大學附屬無錫人民醫院 影像科，江蘇 無錫214023)

[摘要]目的：探討基于灰度共生矩陣(GLCM)的紋理特征值測量技術在甲狀腺良惡性結節鑒別中的價值。方法：回顧性分析經病理證實的具有甲狀腺意外結節患者(46例，結節共61個)的增強CT資料，其中甲狀腺良性結節23個，甲狀腺惡性結節38個。使用Image J軟件剪影病灶同一層面的平掃圖像與動脈期圖像后，測量結節內部的紋理特征值(對比度、熵和FD值)。結果：甲狀腺惡性結節的熵為5.170±0.404，FD值為1.374±0.093，均高于甲狀腺良性結節(熵為4.194±1.625，FD值為1.210±0.169)，且組間差異有統計學意義(P<0.01)。而對比度在良惡性結節間測量差異無統計學意義(P>0.05)。經ROC曲線分析，判斷FD最佳臨界點為1.300，此時診斷的靈敏度為78.9%，特異度為65.2%；Entropy最佳臨界點為5.000，其診斷的靈敏度為65.8%，特異度為60.9%。結論：甲狀腺結節內部CT增強前后剪影圖像的紋理特征值(熵和FD值)可以為定性診斷提供相對可靠的特征參數。

[關鍵詞]甲狀腺意外結節; 增強CT; 紋理分析

甲狀腺結節是指甲狀腺細胞在局部異常生長所引起的散在病變。體檢未能觸及而在影像學檢查偶然發現的結節為“甲狀腺意外結節”。甲狀腺意外結節早期無明顯臨床癥狀，判斷結節性質的非侵入性的常規檢查手段包括超聲多普勒、CT等[1]。其中，CT主要通過觀察結節的形態、邊緣、密度、鈣化情況、周圍組織侵犯及淋巴結轉移等征象來鑒別良惡性。目前，甲狀腺意外結節的影像診斷及鑒別診斷研究不斷深入。隨著計算機輔助診斷系統的研發，基于灰度共生矩陣(GLCM)的紋理特征值(對比度、熵和FD值)測量在腫瘤影像學中逐步開始應用[2- 3]。本研究旨在探討此技術在甲狀腺良惡性結節鑒別中的價值。

1資料與方法

1.1一般資料

回顧性分析丹陽市人民醫院及無錫市人民醫院2012年6月至2015年5月期間手術切除且病理證實為甲狀腺乳頭狀癌(T1、T2期)、結節性甲狀腺腫和增生甲狀腺組織的患者46例，均有完整的臨床資料及術前CT檢查。入組資料符合：(1) 患者偶然發現甲狀腺結節；(2) 結節為單發或多發，術后組織學標本最大直徑均≤4.0 cm；(3) 病理示結節內無鈣化及壞死；(4) 排除亞急性甲狀腺炎。

1.2檢查方法

采用西門子雙源CT機，患者取仰臥位，頸部過伸，掃描范圍自舌骨水平至胸廓入口。所有患者均行CT平掃及雙期增強檢查。掃描螺距1.00，層厚3.00 mm，層距3.00 mm。高壓注射器經肘部靜脈團注碘氟醇 (300 mg·ml-1)80 ml，注射流率2～3 ml·s-1，雙期延遲時間分別為25、50 s。

1.3圖像處理及分析

使用Image J軟件將甲狀腺結節同一層面的平掃圖像與動脈期圖像剪影后(圖1)進行圖像分析，獲得結節內分形維數(FD)值、熵及對比度。

圖1甲狀腺CT圖像處理

1.3.1FD值測量流程(1) 導入剪影后圖像并根據結節的大小標化圖像；(2) ROI取33pixel×33pixel位于結節中心區域，邊緣避開正常甲狀腺組織；(3) ROI以外區域剪除；(4) 二值化(binary)，算法為Ij- Isodata；(5) 骨化(skeletonize)；(6) 分形盒計數(fractal box count， 32pixel×32pixel)。

1.3.2熵及對比度測量流程(1) 導入剪影后圖像；(2) 選取結節橫斷面徑線最大層面，根據結節的實際大小，ROI取9pixel×9pixel至16pixel×16pixel，盡可能位于結節內部區域；(3) glcm texture工具箱選擇測量熵及對比度參數。

1.4統計學處理

2結果

2.1甲狀腺結節診斷及一般資料描述

46例患者中男23例，女23例，年齡21~67歲，平均(43.5±12.5)歲，共檢出甲狀腺結節61個。良性結節23個，包括結節性甲狀腺腫、結節性甲狀腺腫伴腺瘤、增生甲狀腺組織；惡性結節38個，為甲狀腺乳頭狀癌。其中，同時存在良惡性結節的患者10例。

2.2甲狀腺結節CT紋理特征參數

甲狀腺惡性結節的熵為5.170±0.404，FD值為1.374±0.093；甲狀腺良性結節的熵值為4.194±1.625，FD值為1.210±0.169；甲狀腺惡性結節的熵和FD值于大于良性節結，差異有統計學意義(P<0.01)。而對比度在良惡性結節間差異無統計學意義(P>0.05)。見表1。

表1甲狀腺良、惡性結節CT紋理特征參數的比較

CT紋理特征病理類型n平均數標準差95%CI下限上限最小值最大值對比度良性結節2357.00336.96641.01872.9891.969144.580惡性結節3871.64635.88259.85283.44015.704177.516熵良性結節234.1941.6253.4914.8970.3426.422惡性結節385.170a0.4045.0375.3034.5006.087FD值良性結節231.2100.1691.1371.2830.7961.447惡性結節381.374b0.0931.3441.4051.2111.596

與良性結節比較，at=-3.542，P=0.001；bt=-4.933，P=0.000

2.3ROC曲線分析

利用SPSS軟件中ROC曲線法選取最佳靈敏度及特異度時的臨界值，FD界值為1.300時，靈敏度為78.9%，診斷的特異度為65.2%；熵界值為5.000時，診斷的靈敏度為65.8%，特異度為60.9%(圖2，表2、3)。

圖2對比度、熵和FD值的ROC曲線分析

表2FD值、熵及對比度的ROC曲線分析

參數曲線下面積標準誤P值95%CI下限上限FD值0.7880.0630.0000.6650.912熵0.6530.0840.0460.4890.817對比度0.6060.0760.1660.4580.755

表3FD值及熵閾值設定

參數界值病理類型/例良性結節惡性結節靈敏度/%特異度/%FD值<1.300830>1.30015878.965.2熵<5.000925>5.000141365.860.9

3討論

本研究目的是評估基于GLCM的紋理特征值(對比度、熵和FD值)在甲狀腺意外結節(結節性甲狀腺腫與甲狀腺癌T1/T2期)良惡性診斷鑒別中是否有價值。我們發現，熵和FD值在良惡性節結間的差異明顯，而對比度的差異不明顯。這表明，我們可以通過CT增強圖像的紋理特征值中的熵和FD值對甲狀腺結節定性診斷。紋理是圖像分割和分類的常用概念，每一種物體都有自己的獨有的紋理。有研究表明，在現有CT空間及密度分辨率下，CT圖像紋理分析可以評估腫瘤內部的病理性質。例如，有轉移灶的肝臟CT圖像的熵值等會發生變化[4]。肺結節的CT圖像紋理分析(平均灰度值、熵及均勻度)對于良惡性鑒別有一定的價值[5- 7]。本研究測量結節CT圖像內部熵值，是對瘤體內增強后動脈期造影劑分布改變的客觀度量。分形數維是描述結節內部復雜度、粗糙度及不規則度等的CT圖像紋理特征，已經廣泛應用于影像診斷中[8- 9]。熵值和FD值越大，結節內部灰度分布的程度越復雜，內部越粗糙，異質性越差，結節越趨向于惡性。而對比度是反映局部圖像的清晰度，即紋理清晰程度的指標。本實驗中，良惡性結節的對比度相同，即反映出同一流程獲得的紋理清晰程度相同。對比度能否作為鑒別甲狀腺結節良惡性的參數有待進一步研究。

基于GLCM的圖像紋理分析是建立在不同病變病理基礎上的[2，7]。正常甲狀腺含碘高，天然對比度良好，各種甲狀腺病變可造成相應部位的密度改變。造影劑注入后，正常甲狀腺有著豐富的血運而明顯強化，結節的病理不同導致其CT 強化方式也不同。甲狀腺結節增強后碘含量的增加由細胞攝碘和血供兩方面引起。惡性結節攝碘較良性結節低，有學者認為是因為甲狀腺癌細胞增殖速度快，乳頭尖端易發生梗死并分泌某些物質如黏多糖、糖蛋白[10]，所以在CT上顯示低密度。也有學者認為惡性結節內新生血管密度較良性高，呈高速血流，但這種血管組織又會被癌結節惡性生長所破壞，使得強化幅度偏低[11]。有些較小結節的強化方式，我們難以用肉眼描述、分類及定性[12]。通過同一解剖層面的動脈期及平掃圖像剪影，可以客觀地反映出結節異常強化，并通過GLCM紋理特征值描述來定量描述CT增強圖像中相應的變化。惡性結節引起甲狀腺局部微環境改變，導致局部不均質性增加及由于血流變化造成造影劑灌注改變。

本研究的熵及FD值獲取流程簡單易行。采用增強與平掃數字剪影的方法可以減少偽影及噪聲的干擾，更真實顯示結節的范圍。文獻報道在其他腫瘤(肝轉移灶、肺癌等)研究的流程中使用濾波技術對CT圖像進行紋理測量前標化處理[13]。我們認為濾波對于近體表腫瘤的有效信息損失較大，故沒有使用。本研究對CT圖像中結節有一定要求，如果結節鈣化、囊變及出血會影響結果的準確性，故有一定局限性，但對于肉眼難以辨別的良惡性腫瘤內部的異質性可通過灰階度量不同而數字化獲得，從而更加精確。熵值獲取須基于一定大小灰度矩陣(最小為9pixels×9pixels)。對于FD值，我們將結節灶通過像素換算，標化至32pixels×32pixels后進行，使測量具有統一性和標準化。本研究最主要的局限性是使用CT單層圖像進行測量，下一步我們使用甲狀腺三維圖像進行研究，以獲取容積紋理信息，為良惡性結節的判斷提供更多的信息。

[參考文獻]

[1] 趙炎斌，劉方舟，張園，等.超聲彈性成像及CT檢查對術前甲狀腺腫物性質判斷的相關性研究[J].東南大學學報：醫學版，2014，3(3)：296- 299．

[2] TIXIER F，HATT M，le REST C C，et al.Reproducibility of tumor uptake heterogeneity characterization through textural feature analysis in 18F- FDG PET[J].J Nucl Med， 2012， 53(5)：693- 700．

[3] OLIVERIRA M S D，BETTING L E，MORY S B，et al.Texture analysis of magnetic resonance images of patients with juvenile myoclonic epilepsy[J].E&B， 2013，27(1):22- 28．

[4] RAO S X，LAMBREGTS D M，SCHNERR R S，et al.Whole- liver CT texture analysis in colorectal cancer:does the presence of liver metastases affect the texture of the remaining liver？ [J].UEG，2014，2(6):530- 538．

[5] GANESHAN B，ABALEKEA S，YOUNG R，et al.Texture analysis of non- small cell lung cancer on unenhanced computed tomography:initial evidence for a relationship with tumour glucose metabolism and stage[J].Cancer Imaging，2010(10):137- 143．

[6] 汪家旺，于立燕，王德杭，等.肺癌分形維數特征的研究[J].中國醫學物理學雜志，2005，22(1)：393- 395．

[7] GROVEL O，BERGLUND A E，SCHAB M B.Quantitative computed tomographic descriptors associate tumor shape complexity and intra tumor heterogeneity with prognosis in lung adenocarcinoma[J].Pone，2015，10(3):e0118261．

[8] RANGAYYAN R M，NGUYEN T M.Fractal analysis of contours of breast masses in mammograms[J].J Digit Imaging， 2007，20(3):223- 237．

[9] 邵元智，劉立志，王風華，等.不同生長方式腫瘤的CT/MRI影像觀察及數據分析方法[J].中華醫學雜志，2008，88(21):1503- 1506．

[10] 張博，蘇俊平，白楊，等.甲狀腺結節合并微鈣化與甲狀腺癌關系及其危險因素分析[J].現代醫學，2015，43(2)：214- 217．

[11] 李恒國，盧紹輝，梁久平，等.甲狀腺結節的CT灌注評價[J].中華放射學雜志，2011，45(9)：831- 834．

[12] GANESHAN B，MILES K A，YOUNG R.Texture analysis in non- contrast enhanced CT:impact of malignancy on texture in apparently disease- free areas of the liver[J].Eur J Radiol，2009，70:101- 110．

[13] BROOKS F J， GRIGSBY P W.The effect of small tumor volumes on studies of intratumoral heterogeneity of tracer uptake[J].J Nucl Med，2014，55(1):37- 42．

Analysis of incidental thyroid nodules in differentiating benign and malignant using texture feature calculated from enhanced CT images

WU Yu- qiang1，JIN Ji- yang2，FENG Yin- bo3

(1.MedicalSchoolofSoutheastUniversity，Nanjing210009，China; 2.DepartmentofMedicalImaging，ZhongdaHospital，SoutheastUniversity，Nanjing210009，China; 3.DepartmentofMedicalImaging，WuxiFirstPeople’sHospital，Wuxi214023，China)

[Abstract]Objective: To investigate the value of CT texture analysis based on gray level co- occurrence matrix(GLCM) for differentiating malignant from benign thyroid nodule. Methods: The retrospective study was based on 46 cases of the incidental thyroid nodule (61 lesions) which were collected from June 2012 to May 2015.The final diagnosis was confirmed by surgery and pathology. 23 lesions were benign nodule， and 38 lesions were malignant nodule. We analyzed the CT images using Image J software as follow:firstly，pre- processing of CT images(subtraction of arterial phase and non- enhanced phase in the same slice of lesion);then， measured the value of texture parameters(entropy， contrast and FD) based on fractal theory and GLCM texture plugin. Results: Mean entropy and FD for the malignant nodules were significantly higher when compared with the benign nodules. But， mean contrast was not significantly different between malignant and benign nodules. Utilized receiver operator characteristic curve(ROC curve) in SPSS to select critical value of optimum sensitivity and specificity. When critical value of FD was 1.300，sensitivity was 78.9%，specificity was 65.2%; critical value of entropy was 5.000，sensitivity was 65.8%，specificity was 60.9%. Conclusion: Texture analysis of CT images of incidental thyroid nodule holds promise to differentiate between malignant and benign lesions.

[Key words]incidental thyroid nodule; enhanced computed tomography; texture analysis

doi:10.3969/j.issn.1671- 6264.2016.01．026

[中圖分類號]R736.1; R445.3

[文獻標識碼]A

[文章編號]1671- 6264(2016)01- 0112- 05

[通信作者]靳激揚E- mail:jy_jin@126.com

[作者簡介]吳宇強(1981-)，男，江蘇丹陽人，主治醫師，在讀碩士研究生。E- mail:737430760@qq.com

[收稿日期]2015- 08- 18[修回日期] 2015- 12- 06

[引文格式] 吳宇強，靳激揚，馮銀波.甲狀腺意外結節增強CT的紋理特征分析對良惡性鑒別的價值研究[J].東南大學學報:醫學版，2016，35(1)：112- 116.

·論著·