多b值對肝硬化DWI紋理特征提取的影響

張 靜，仇清濤，段敬豪，姜慶軍，孫 鋼，鞏貫忠，李登旺，尹 勇*

(1.山東師范大學物理與電子科學學院，山東 濟南 250358；2.山東省醫學物理圖像處理技術重點實驗室，山東 濟南 250358；3.山東大學附屬山東省腫瘤醫院放療科，山東 濟南 250117；4.濟南軍區總醫院醫學影像科，山東 濟南 250031)

DOI：10.13929/j.1003-3289.201709043

肝硬化是多種肝臟疾病發展的終末期，以廣泛纖維瘢痕、殘留組織增生為特征，3%～5%的肝硬化可發展為肝細胞癌[1]。近年來，研究[2]發現基于醫學圖像提出的影像組學——紋理分析技術有望成為新的腫瘤影像學生物標記物。DWI紋理分析技術已應用于腦膠質瘤[3]、鼻咽癌[4]等的鑒別、分級以及腹部惡性腫瘤的診斷、定性、分級和預后評估，但因b值算法標準尚未統一，其可比性有待進一步探索。Becker等[5]發現b值對正常人不同器官的DWI紋理特征存在顯著影響。本研究分析不同b值對提取肝硬化DWI紋理特征的影響，并探討不同b值與紋理特征變化的相對趨勢。

1 資料與方法

1.1 一般資料 收集2016年1月—2017年2月于我院接受MR檢查的肝硬化患者53例。納入標準：①肝臟解剖結構完整；②經3名影像學診斷醫師確診為肝硬化；③無介入及手術治療史；④無最大徑>2 cm的占位性病變及彌漫性病變。排除標準：①圖像存在偽影；②大量腹腔積液；③圖像和數據缺失。最終納入39例患者(肝硬化組)，男29例，女10例，年齡33～81歲，平均(55.7±11.1)歲，均伴不同程度門靜脈高壓及脾大，其中食管、胃底靜脈曲張10例，伴少量腹腔積液10例，膽囊炎12例，肝癌8例、糖尿病2例。另選取同期27名肝臟正常、并接受肝臟DWI檢查的受檢者為對照組，其中男12名，女15名，年齡30～78歲，平均(57.5±15.1)歲。2組間性別差異有統計學意義(χ2=6.068，P=0.02)，年齡差異無統計學意義(t=0.563，P=0.576)。本研究經我院倫理委員會批準，所有受檢者均簽署知情同意書。

1.2 儀器與方法 采用GE Discovery 750 3.0T MR掃描儀，8通道相控陣腹部線圈。掃描序列及參數：T1WI，TR 3.7 ms，TE 1.7 ms，FOV 38 cm×34.2 cm，層厚5.2 mm，間隔-2.6 mm，NEX 1；體素內不相干運動-擴散加權平面回波成像(intravoxel incoherent motion-diffusion weighted imaging echo planar imaging, IVIM-DWI EPI)序列，TR 10 000 ms，TE 66.1 ms，層厚7 mm，間隔1 mm，NEX 1，矩陣256×256，b值分別為0、20、50、100、200、400、800、1 000、1 200、1 500 s/mm2。

以DWI(b=0)為參考圖像，避開下腔靜脈、門靜脈及匯管區，采用MIM 6.7.6(www.mimsoftware.com)軟件，根據Couinaud肝段劃分法，于肝臟Ⅶ段、Ⅱ/Ⅲ段和Ⅴ/Ⅵ段選取3個直徑20 mm的圓形ROI(圖1)，并使用勾畫克隆功能將其映射至其余9個b值的DWI圖像。然后采用IBEX(imaging biomarker explorer, IBEX)軟件對每個ROI分別行灰度統計，獲得灰度共生矩陣(gray-level co-occurrence matrix, GLCM)、灰度游程矩陣(gray-level run-length matrix, GLRLM)和鄰域灰度差矩陣(neighbor gray-tone difference matrix, NGTDM)，對這三類矩陣共提取37個紋理特征(表1)；計算不同b值下的平均紋理特征值，并以百分比變異系數(percent coefficient of variation, %COV)≤15%評價2組平均紋理特征[6]的穩定性，公式為%COV=SD/Mean×100%，其中SD為標準差，Mean為所有受檢者3個ROI的不同b值下紋理特征均值。%COV>15%為紋理特征不穩定。

表1 37個紋理特征名稱及其分類

1.3 統計學分析 采用Matlab 2014a統計分析軟件，采用指數擬合方法分析紋理特征值與b值的擬合程度，R2為擬合系數，R2≥0.8為擬合程度較好，0.5≤R2<0.8為擬合程度中等，R2<0.5為擬合程度較差。采用兩獨立樣本t檢驗比較2組%COV值和R2值，P<0.05為差異有統計學意義。

2 結果

2.1 2組平均紋理特征值%COV結果 37個紋理特征中，1個(1/37，2.70%)紋理特征(聚類陰影)因數值出現正負交叉現象、%COV>100%而被剔除。20個(20/37，54.05%)紋理特征值%COV均>15%，為不穩定紋理特征，其中GLCM中8個(8/21，38.09%)、GLRLM中7個(7/11，63.63%)、NGTDM中5個(5/5，100%)；余16個(16/37，43.24%)紋理特征值%COV均≤15%，為穩定紋理特征。

2組間相關性(t=-4.352，P<0.001)、能量(t=-2.743，P=0.008)、同質性1(t=-2.285，P=0.026)、同質性2(t=-2.498，P=0.015)、逆方差(t=-2.268，P=0.027)、粗糙度(t=-2.791，P=0.007)及對比度(t=-2.312，P=0.024)的%COV值差異均有統計學意義，其余紋理特征%COV值差異無統計學意義(P均>0.05)，見圖2。

2.2 2組不穩定平均紋理特征值指數擬合模型分析結果 2組中自相關、聚類突、聚類趨勢、對比度、和方差、方差、高灰度游程因子、短游程高灰度因子、復雜度及對比度隨b值增大呈指數上升趨勢；而相關性、能量、長游程因子及粗糙度隨b值增大呈指數下降趨勢；無法定義長游程高灰度因子、長游程低灰度因子、低灰度游程因子、短游程低灰度因子、頻度及紋理強度與b值的相對變化趨勢，見圖3。

2組不穩定紋理特征的R2值比較見表2。2組間聚類突、聚類趨勢、相關性、方差、長游程低灰度因子、粗糙度、紋理強度R2值差異有統計學意義(P均<0.05)，其中僅紋理強度R2值肝硬化組優于對照組(0.71 vs 0.03，P<0.001)。

3 討論

DWI可從分子水平對生物體的組織結構和功能狀態進行無創性檢查，檢測組織水分子擴散狀況[7]。DWI中b值影響局灶性病變檢出的敏感性，低b值對檢出最大徑1～3 cm的肝臟惡性腫瘤更具優勢，高b值區分肝臟惡性腫瘤與肝纖維化和假性動脈增強時的特異度較高[8]。紋理特征是通過醫學圖像處理技術將ROI的影像數據轉化為可發掘的高維特征數據，可為疾病診斷、治療監測和預后評估提供參考[9]。目前肝纖維化、肝硬化、肝囊腫、肝血管瘤、肝癌及肝轉移瘤等均有T1WI、T2WI、DWI及DCE-MRI影像組學——紋理分析相關研究[10-12]。使用DWI進行紋理分析時，有必要將不同的可變量b值作為潛在的混雜因素考慮在內[5，13]。

表2 2組紋理特征R2比較

圖1 DWI中選取ROI示意圖(b=0 s/mm2) A.ROI位于肝Ⅶ段； B.ROI位于肝Ⅱ/Ⅲ段； C.ROI位于肝Ⅴ/Ⅵ段

圖2 2組平均紋理特征值%COV比較 (*：差異有統計學意義)

圖3 紋理特征與b值指數擬合曲線圖 A.自相關； B.相關性； C.低灰度游程因子； D.聚類突； E.能量； F.紋理強度 (紅線：肝硬化組；藍線：對照組)

本組20個不穩定紋理特征的平均紋理特征值%COV均>15%，其中GLCM 8個、GLRLM 7個、NGTDM 5個。GLCM包含灰度值信息，且能展示灰度值關于灰度空間的特征分布，其中差熵、熵、逆差鉅、逆差及和熵均是涉及圖像紋理復雜程度的特征。本研究中2組上述紋理特征%COV值差異均無統計學意義，可能因DWI雖然對組織中水分子擴散敏感，但其組織空間分辨率較T1WI低[10]，故從不同b值DWI中提取的紋理特征對鑒別肝硬化組織中的纖維組織及再生結節不敏感。利用DWI進行肝硬化及相關紋理分析研究時，需考慮b值差異的影響，進一步優化紋理特征組合，以輔助提高肝硬化及肝硬化背景下的肝癌及肝血管瘤等疾病的診斷及檢測能力。本研究2組間有7個紋理特征的%COV值差異有統計學意義(P均<0.05)，且“聚類陰影”在各b值時出現正負交叉現象，可能是由于在不同病例間勾畫ROI時，因血管灌注、不等量纖維基質成分及磁場均勻性等因素所致[14]。

肝硬化患者的DWI提取的紋理特征(包括GLCM、GLRLM、NGTDM)受不同b值影響。本研究2組中部分紋理特征隨b值增大而呈指數上升或指數下降趨勢，與Becker等[5]研究結果一致，可能因患者間的異質性和不同的磁化衰減程度，使低b值時DWI圖像易受毛細血管灌注效應影響，高b值時易受細胞和細胞外基質的物理密度及其幾何排列影響[15]。另外，本研究中2組有6個紋理特征隨b值增長變化趨勢雜亂無章，原因可能在于肝臟內膽管、血管及肝實質的比例變化同樣可引起肝臟紋理特征分析改變[16]。2組平均紋理特征的R2值比較提示對照組擬合效果普遍優于肝硬化組，且7個紋理特征間的R2值比較差異有統計學意義(P均<0.05)。郭冬梅等[13]發現從門靜脈期提取的紋理特征分類識別3組肝臟組織(正常肝臟、較早期肝硬化及中晚期肝硬化)的正確率優于T1WI、動脈期及T2WI；王波濤等[12]發現紋理特征中的對比度、自相關鑒別肝囊腫及肝血管瘤的診斷價值較高，提示采用MR對不同器官、疾病及病程進行紋理分析時，需考慮序列選擇差異。本研究中肝硬化組聚類突、聚類趨勢、相關性、方差及粗糙度5個紋理特征受不同b值影響，與對照組變化趨勢一致，且2組間上述紋理特征R2值差異有統計學意義(P均<0.05)，提示上述紋理特征有助于提高肝硬化背景疾病分析的診斷、治療監測和預后評估。

本研究的局限性：①樣本量較?。虎谖词褂萌SVOI；③未對肝硬化不同致病原因分類；④未使用T1WI、ADC的特征作為參照，結果可能存在偏倚。

綜上所述， DWI的b值影響肝硬化背景下的紋理特征；部分紋理特征與b值存在相關性。對于依賴b值改變的紋理特征及相關指數模型能否成為潛在生理意義的生物參數尚需進一步討論。

[

]

[1] Hemming AW, Berumen J, Mekeel K. Hepatitis B and hepatocellular carcinoma. Clin Liver Dis, 2016,20(4):703-720.

[2] Aerts HJ, Velazquez ER, Leijenaar RT, et al. Decoding tumour phenotype by noninvasive imaging using a quantitative radiomics approach. Nat Commun, 2014,5:4006.

[3] Qin JB, Liu Z, Zhang H, et al. Grading of gliomas by using radiomic features on multiple magnetic resonance imaging (MRI) sequences. Med Sci Monit, 2017,23(1):2168-2178.

[4] Liu J, Mao Y, Li Z, et al. Use of texture analysis based on contrast-enhanced MRI to predict treatment response to chemoradiotherapy in nasopharyngeal carcinoma. J Magn Reson Imaging, 2016,44(2):445-455.

[5] Becker AS, Wagner MW, Wurnig MC, et al. Diffusion-weighted imaging of the abdomen: Impact of b-values on texture analysis features. NMR Biomed, 2017,30(1):1-10.

[6] Shafiq-Ul-Hassan M, Zhang GG, Latifi K, et al. Intrinsic dependencies of CT radiomic features on voxel size and number of gray levels. Med Phys, 2017,44(3):1050-1062.

[7] Koh DM, Collins DJ. Diffusion-weighted MRI in the body: Applications and challenges in oncology. AJR Am J Roentgenol, 2007,188(6):1622-1635.

[8] Vandecaveye V, De Keyzer F, Verslype C, et al. Diffusion-weighted MRI provides additional value to conventional dynamic contrast-enhanced MRI for detection of hepatocellular carcinoma. Eur Radiol, 2009,19(10):2456-2466.

[9] Lambin P, Rios-Velazquez E, Leijenaar R, et al. Radiomics: Extracting more information from medical images using advanced feature analysis. Eur J Cancer, 2012,48(4):441-446.

[10] Yu H, Touret AS, Li B, et al. Application of texture analysis on parametric T1 and T2 maps for detection of hepatic fibrosis. J Magn Reson Imaging, 2017,45(1):250-259.

[11] Zhou W, Zhang L, Wang K, et al. Malignancy characterization of hepatocellular carcinomas based on texture analysis of contrast-enhanced MR images. J Magn Reson Imaging, 2017,45(5):1476-1484.

[12] 王波濤，劉剛，樊文萍，等.紋理特征分析在肝囊腫及肝血管瘤磁共振成像鑒別診斷中的價值．中國醫學科學院學報，2017，39(2)：169-176．

[13] 郭冬梅，劉惠，邵瑩，等.基于紋理特征的多序列MRI的肝硬化識別研究．中國醫學影像技術，2014，30(7)：1105-1108．

[14] Efremidis SC, Hytiroglou P. The multistep process of hepatocarcinogenesis in cirrhosis with imaging correlation. Eur Radiol, 2002,12(4):753-764.

[15] Wurnig MC, Donati OF, Ulbrich E, et al. Systematic analysis of the intravoxel incoherent motion threshold separating perfusion and diffusion effects: Proposal of a standardized algorithm. Magn Reson Med, 2015,74(5):1414-1422.

[16] Jirák D, Dezortová M, Taimr P, et al. Texture analysis of human liver. J Magn Reson Imaging, 2002,15(1):68-74.