磁共振不同序列與紋理特征相關性對乳腺結節的診斷價值*

陳文靜 馬 財 徐 蕊 張文馨 燕桂新*

紋理分析在以往研究中多應用于肺結節的良惡性鑒別診斷，近年來隨著磁共振成像(magnetic resonance imaging，MRI)技術的進步，研究人員開始將其逐漸應用于乳腺結節磁共振圖像中。乳腺MRI與紋理分析相結合，通過計算機對圖像特征參數的提取，定量分析乳腺腫瘤的異質性，可提高乳腺良惡性鑒別診斷的準確性[1-2]。乳腺磁共振檢查序列較多，為了探討不同序列結合紋理診斷有無差異性，本研究將著重研究各序列紋理分析的優勢。

1 資料與方法

1.1 一般資料

收集2014年11月至2017年8月新疆兵團六師醫院手術病理證實的62例乳腺結節患者，其均為女性，多在體檢或自捫中發現乳腺腫塊；年齡24～68歲，平均年齡(49.6±10.98)歲；共檢出病灶67個，直徑4～38 mm，平均直徑(14±8.06)mm；經手術病理證實，良性病灶25個，其中囊性增生5個，纖維腺瘤15個，乳頭狀瘤2個，乳腺增生2個，乳腺腺病并導管擴張1個；惡性病灶37個，其中導管內癌1個，浸潤性導管癌36個。

1.2 納入與排除標準

(1)納入標準:①乳腺MRI增強檢查有結節性病灶；②病灶在各檢查序列均能夠顯示，可以完成紋理分析；③病灶均有病理結果。

(2)排除標準:①僅完成乳腺MRI平掃結節；②乳腺癌術后瘢痕病例；③乳腺炎性結節。

1.3 儀器設備

采用1.5T超導MRI(德國西門子公司Avanto 1.5T)，專用8通道乳腺線圈。

1.4 檢查方法

檢查時患者取俯臥位，雙側乳腺自然懸垂并適當固定于線圈之中。掃描順序為:①橫斷面快速自旋回波T1加權成像(T1WI)掃描；②橫斷面T2WI脂肪抑制序列；③橫斷面DWI掃描彌散敏感系數(apparent diffusion coefficient，ADC)b值取50 s/mm2和800 s/mm2；④T1壓脂動態增強掃1+6期薄層掃描，每期掃描時間60 s，掃描層數104層，層厚為1.5 mm，第1次為不注藥蒙片，結束后注射造影劑(釓噴酸葡胺15 ml并推注鹽水20 ml進行沖洗)，再連續掃描6次；⑤進行延時掃描和腋窩淋巴結掃描。

掃描完成后將薄層圖像傳入專用西門子后處理工作站，圖像后處理包括多平面重建(multiplanar reformation，MPR)、時間-信號強度曲線(timesignal intensity curve，TIC)、ADC值的測量等。

1.5 圖像分析及評價標準

(1)圖像分析。由2名有乳腺疾病診斷經驗的放射科主治醫師各自在不知病理結果的前提下對圖像進行回顧性分析，根據病灶的MR圖像表現，運用DWI、動態增強技術、結合TIC做出診斷，并給出BI-RADS分級。若定性數據出現不一致，由2人協商，達成一致后記錄數據資料。以2003年的BI-RADS分級指標為主要指標，將病變分為5級，Ⅰ～Ⅳa級視為診斷良性，Ⅳb～Ⅴ級視為診斷惡性[3]。

(2)結節量化。在磁共振后處理工作站上，用蛇形曲線對每個序列結節進行鉤畫，剪除背景，選出單純結節圖像，序列包括T2WI壓脂、b50、b800、ADC、增強2 min T1WI壓脂序列(T1)、增強2 min T1WI壓脂剪影(T1-SUB)、增強延時7 min T1WI壓脂序列(T1-DEL)。除常用的核磁圖像的灰度值和結節體積外，從勾畫的結節中提取了63個紋理特征，包括一階統計紋理特征、二階統計紋理特征和高階統計紋理特征。其中一階統計紋理特征根據腫瘤區域內的灰度直方圖計算全局紋理特征；二階紋理特征一般基于灰度共生矩陣(gray level co-occurrence matrix，GLCM)得到，高階紋理特征則是基于GLCM、灰度區域矩陣(gray level size zone matrix，GLSZM)、灰度游程矩陣(run length matrix，RLM)，鄰域灰度差分矩陣(neighborhood gray level difference matrix，NGLDM)、紋理譜(texture spectrum，TS)和基于體素特征(voxel features，VF)6個矩陣的特征，通常可以反映局部區域內的異質性[4]。

1.6 統計學方法

采用SPSS 17.0統計軟件對數據進行分析，首先對所有特征進行受試者工作特征(receiver operating characteristic，ROC)曲線分析，借助ROC曲線下面積(area under curve，AUC)值，挑選出不同序列AUC值最大的前3位紋理特征參數，觀察其屬于何種二級紋理矩陣。

2 結果

2.1 不同序列AUC值的比較

(1)ROC曲線診斷乳腺結節良性與惡性，AUC值由大至小依次為:T1-SUB＞T1-DEL＞T1WI＞b值50 s/mm2＞800 s/mm2＞T2WI壓脂＞ADC值，增強掃描(如圖1所示)。

圖1 T1WI壓脂增強序列左乳強化結節蛇形曲線勾畫提取MRI圖像

表2 平掃T2WI壓脂及彌散功能成像各紋理特征參數AUC值前3位數據

(2)紋理特征表現較為良好的為RLM紋理頻譜中心對稱性(R-central symmetry)、灰度游程長不均勻(run length nonuniformity，RLN)、高灰度級重點運行度(high gray-level run emphasis，HGRE)，均屬于灰度游程矩陣。灰度游程矩陣(run length matrix，RLM)所述紋理特征參數均簡寫為R-，增強2 min及7 min紋理特征曲線下面積較大的前3位均屬于灰度游程矩陣(見表1)。

表1 增強掃描2 min及7 min后3個序列各紋理特征參數AUC值

2.2 平掃序列紋理特征參數的對比

T2WI壓脂序列紋理特征在灰度區域矩陣的幾個紋理參數為HGRE、高灰度級重點運行長度(long run high gray level emphasis，LRHGE)、方向性(degree of direction，DD)的AUC值較大；彌散功能成像b值50 s/mm2、800 s/mm2、ADC在紋理譜和灰度共生矩陣分析意義更大，見表2，如圖2所示。

3 討論

圖2 T2WI壓脂及低b值彌散序列左乳高信號結節蛇形曲線圖像

磁共振序列較多，各序列圖像相互結合全面分析才能正確診斷，那種序列結合紋理分析診斷價值更高，有文獻報道動態增強2 min紋理特征對比顯著[5]。本研究結果顯示，結合紋理分析增強2 min掃描及延時7 min掃描較平掃T2WI壓脂及彌散功能成像良惡性結節特征顯著，尤其以動態增強2 min的T1WI剪影圖像紋理分析AUC值最大，其次為T1WI延時7 min序列，這與乳腺結節供血系統有關，腫瘤較正常組織有更多的新生血管，且這些血管通透性高，增強掃描借助造影劑可提高不同組織間的對比度，對比劑流經惡性腫瘤時表現為快速流入，2 min左右達到高峰，后呈快速流出的趨勢，良性病變及正常組織由于血供相對于惡性少，對比劑緩慢也可見快速流入，但流出時表現為信號強度或居高不下或持續上升，良惡性結節在增強2 min左右及延時掃描時期病灶內部特征改變對比差異較大，紋理參數診斷價值較高[6-7]。

紋理特征參數在各個序列中表現不盡相同，本研究中灰度共生矩陣、灰度區域矩陣、灰度游程矩陣、鄰域灰度差分矩陣、紋理譜以及基于體素6個二級矩陣中，灰度游程矩陣所述的紋理特征在各個序列曲線下面積表現較為顯著，以HGR、CS在各增強序列中AUC值較大；灰度游程矩陣是指在某一方向上，同等灰度及長度的灰度串出現的總次數，可以獲得紋理特征的度量，該方法不但能有效刻畫鄰域內像素點灰度的變化，而且能很好的描述圖像的粗糙程度，即在一定程度上反映了圖像的對比度[8]。乳腺惡性結節血供豐富，生長迅速致病灶內部異形性大，增強后病灶內部不同成分強化對比顯著，致圖像紋理粗糙度改變大，圖像越粗糙，紋理特征數值越大，因此較其他矩陣計算紋理診斷的價值更大；其他二級矩陣雖然沒有灰度游程矩陣AUC值大，但在部分序列中表現良好，如T2WI壓脂序列中灰度區域矩陣顯示較好，灰度區域矩陣用于描述圖像亮度的均勻程度，亮度越均勻，紋理參數越小，越不均勻，紋理參數越大[9-10]。

本研究中磁共振T2WI脂肪和水都是高信號，T2WI壓脂序列是抑制脂肪信號而凸顯水信號，惡性腫瘤血供豐富，病灶整體含水量增加。在T2WI壓脂像一般呈稍高和(或)高信號，但信號不均勻，良性病變如囊性病灶呈明亮高信號，信號均勻，灰度區域矩陣紋理特征參數可準確將其區分；以灰度區域矩陣中的HGRE特征參數AUC值最大，纖維瘤根據病灶內纖維成分的多少可為高信號病變內低信號纖維分隔，可為稍高和(或)稍低信號，信號欠均勻，灰度區域矩陣對其診斷準確性欠佳。本研究中15個纖維瘤，灰度區域矩陣紋理特征參數診斷正確11個，準確率為73.33%。高b值彌散和ADC值紋理譜和灰度共生矩陣分析意義更大；紋理譜是所有紋理單元的出現頻率，一個紋理單元描述了一個像素的局部紋理特征，而對于整幅圖像中不同紋理單元的分布情況的統計則可顯示出圖像總體的紋理信息，灰度共生矩陣是研究圖像空間中相隔某距離的兩像素之間灰度關系的相關性[11-13]。彌散及ADC值因為圖像信噪比大，分辨率不高，但能充分表現結節內部的異質性，尤其是高b值彌散，紋理譜及灰度共生矩陣能更為充分體現其信號特點[10]。

不同紋理矩陣分析病灶圖像信息的側重點不同，可根據各序列不同的成像原理，尋找與之相適合的紋理矩陣，這樣紋理分析才能成為MRI檢查的有效補充手段，為臨床提供更高的輔助診斷價值。