CT紋理分析在肝病變中的研究進展

陳濟琛 羅澤斌 陳曉東

1. 廣東醫科大學，廣東湛江 524000；2. 廣東醫科大學附屬醫院放射科，廣東湛江 524000

圖像紋理分析是近些年來在醫學領域中發展較快，較好的，有廣闊應用前景的一種圖像后處理技術，它主要是通過對醫學圖像中像素的分布情況進行數學分析， 從而獲得一系列相關參數以量化病變的異質性。 CT 作為目前肝臟疾病檢測的最主要檢查方法，其檢查方法簡便，圖像清晰，空間分辨力高，偽影禁忌證少。 平掃 CT圖像的像素值（ CT值）直接反映了體素的密度，增強 CT圖像可以反應肝臟病變的血供情況， PET- CT圖像還可以反應肝臟病變的代謝情況，此外灌注 CT等新技術可以反應病變的血管、血供情況，能譜 CT甚至能對病變的組成成分進行分析。 盡管CT掃描技術有了長足的發展，但是目前CT在解決肝臟的肝纖維化分期、肝腫瘤的定性、臨床療效的預測等問題上還存在不足。CT紋理分析為解決目前CT面臨的難題提供了一種新的方法。 通過對CT 圖像進行后處理，得出每個像素強度和空間分布的特點，讓圖像信息定量化，提供了肉眼無法識別的圖像信息。 紋理分析的圖像可以是CT掃描圖像，CT增強掃描圖像，PETCT圖像，甚至是一些后處理圖像（例如灌注CT，類灌注CT圖像）。 CT紋理分析的可重復性高，實現起來簡便，只需在原來的數據基礎上增加一個后處理過程，不需要額外增加專門的掃描機子、造影劑以及加掃其它序列。 CT紋理分析在臨床上顯示了巨大的應用前景。

1 CT檢查技術

目前臨床中主要用到的CT檢查技術是平掃CT，增強CT，灌注CT，PET-CT，此外還有比較新的能譜CT等。平掃CT是用灰度反應器官和組織對X線的吸收程度，代表的是器官和組織的密度差異。增強CT主要是通過靜脈注射造影劑，利用器官、組織、不同病灶、病變吸收造影劑的量不同，來增加圖像的對比度。平掃主要反映的是不同物質構成的密度差異，而增強掃描則還能夠反映構成物質的血供、代謝特點。

PET-CT是將正電子發射斷層顯像（PET）技術和CT整合到一臺設備上，通過圖像融合方法，將前者功能代謝顯像的與后者解剖形態顯像的融合在一起，從而得到病變的功能以及解剖信息，使對病變的定位和定性診斷都更加準確[1]。通過定量分析構成人體主要元素的放射性同位素，如11C，13N，15O，18F等，PET- CT不僅可以獲得多層斷層圖像和三維全身圖像，而且還可以定量分析結果，從而從分子水平動態觀察到代謝物或藥物在人體內的生理生化變化，用以研究人體生理、生化、化學遞質、受體乃至基因改變。

能譜CT是通過利用物質在不同keV水平X射線具有不同的吸收來提供比常規CT更多的影像信息的CT。能譜CT既能夠獲得物質密度及其分布圖像，還能獲得不同keV水平的單能量圖像，而且還能分析物質組成與分離物質[2]，此外還能根據所得到的能譜曲線計算出該病變或組織的有效原子系數[3]。與以往傳統的單能量CT圖像相比，能譜CT成像提供了多參數，定量分析的新成像模式，得到更多有用的信息。利用能譜CT的單能量圖像、基物質圖像、能譜曲線、 有效原子序數等多種參數進行病變的定量分析和診斷，不僅獲取了傳統CT提供的器官和組織的密度的差異，而且利用其多參數可以實現物質成分分析、鑒別、定量等，大大提高了對病變診斷的精確性和對隱匿病灶的檢出[4]。

灌注CT是在高壓注射器在靜脈注射造影劑后對靶器官進行快速連續多次掃描，根據掃描結果構建時間密度曲線，再根據時間密度曲線計算出靶器官灌注參數并得出灌注偽彩圖。根據灌注參數和灌注偽彩圖，判斷病變的血液灌注量等情況[5]。灌注CT成像的原理是基于中心容積定律和放射性示蹤劑稀釋原理[6-9]。Miles等[6，8]認為靜脈注射造影劑后，放射造影劑遵循與放射性示蹤劑相同的藥代動力學原理。灌注CT中的時間密度曲線的橫坐標是時間，縱坐標為注射造影劑后CT值的增加量，注射造影劑后CT值的增加量反應了器官中造影劑濃度的變化，也間接反映出器官和病變內血液灌注量等情況，從而實現對病變的定性、定位及定量分析。通過灌注CT獲得的參數分為血管內期參數和血管外期參數。內期參數用于評價組織灌注狀態，外期參數用于評價血管的滲透性[10]。灌注CT基于定量化的灌注參數（例如血流量、血容量、通透性、平均通過時間等） 的空間分布的差異性來評價組織、器官的灌注狀態 。灌注CT不僅提供了形態學信息，而且提供了功能方面的信息，讓臨床有可能更早發現病變、更精確診治病變及更準確評價各種治療手段的療效。

2 CT紋理分析的原理

圖像紋理分析是一種圖像后處理技術，近些年在醫學上得到廣泛的研究和應用，它通過對醫學圖像中像素的分布情況進行數學分析，從而獲取一系列量化病灶異質性的相關參數。CT紋理分析主要是通過對CT圖像的后處理，提取CT圖像的紋理特征，從而得到不能為人裸眼識別的信息。通過計算機對CT圖像的計算就得出紋理特征，實際上是計算機計算出來的一個值，它對紋理內部灰度級變化的特征進行量化，是圖像的一個極為重要的特征[11]。特征提取在廣義上就是一種變換， 即通過變換的方法用低維空間表示高維的圖像樣本空間[12]。

紋理分析中常用于獲得量化紋理參數的方法是：統計法、基于模型法、結構法和頻率法等。其中統計法是CT紋理分析中最常用的方法[13]。統計法主要是找出反映圖像像素的灰度值的分布與相互關系的特征。基本原理是選擇不同的統計量對紋理圖像的統計特征進行提取。

早期的研究表明，它能在骨骼照片中評估機械性能和礦物密度。該方法主要用于沒有明顯規律性的醫學結構圖像，特別是在具有隨機的、非均勻性的結構中應用。統計法有三種不同秩序的統計參數，分別為一階、二階和三階。一階統計基于直方圖分析方法，該方法描述了感興趣區域的像素值的灰度分布，參數包括平均值、最小強度及最大強度、標準差或變異度、峰度及偏度、像素值的百分位數等；一階直方圖分析不考慮像素的位置，并且沒有參考任何灰度值之間的空間相互關系。二階統計是基于特定的像素對的聯合概率分布，主要應用空間灰度依屬法或者共生矩陣來描述局部紋理特征，共生矩陣描述的是兩個像素的強度之間的相互關系。三階統計是基于區域內灰度強度的變化或同質區域灰度的分布情況，主要應用相鄰像素灰度差分矩陣描述局部紋理特征，具有在其局部環境中評估體素的優點[14]。在醫學圖像的紋理分析中，一階和二階測量更常見。

模型方法認為像素與其周圍像素具有一定的關系，這種關系可以是線性的或符合某種概率關系。常用的模型法有馬爾科夫隨機場模型、自回歸模型 、分形模型、Gibbs隨機場模型，使用模型系數來表征紋理圖像。應用模型所產生的圖像來解釋紋理，其缺點是缺乏方向選擇性，不適于用來描述局部圖像結構[13]。

結構法是基于紋理基元來描述紋理，并且通過分析圖像的紋理結構來獲得結構特征。首先將紋理看成是有許多紋理基元組成的，并且紋理基元有一定的位置規則，提取出紋理基元并找出其位置規律。目前結構法主要通過數學形態學方法處理紋理圖像，該方法適合于具有規則的邊界，且固定在特定區域[15]，但由于醫學圖像紋理通常不是很規則， 故較少應用于醫學。

頻譜法是基于圖像的頻譜特性描述紋理。可以將圖像看作是由一系列不同頻率的信號組成，比如圖像紋理比較細膩時，表示圖像的像素變化較快，圖像的高頻部分比較突出，反之圖像紋理粗糙時，表示圖像的低頻部分比較突出。常用的頻譜法主要包括傅里葉功率頻譜法、塔式小波變換、Gabor變換等。

3 CT紋理分析與臨床運用

CT紋理變化往往能夠反應疾病內部的病理變化。在頭頸部非口咽部癌中，人乳頭瘤病毒陽性與人乳頭瘤病毒陰性的癌之間某些紋理參數存在明顯差異，認為CT紋理能鑒別HPV相關腫瘤之間的形態學特征差異[16]；并且在人乳頭瘤病毒相關的口咽鱗狀細胞癌中也發現了類似的結論[17]。Hee-Dong Chae等[18]應用CT紋理分析分析了部分實性磨玻璃肺結節，結果發現CT紋理參數可以作為準確鑒別侵襲性肺腺癌和侵襲前病灶的指標，AUC值為0.981。 B. Sacconi等[19]發現CT紋理參數與肺腺癌患者的表皮生長因子受體（EGFR）突變和生存率之間存在相關性。發現平均值，標準偏差和偏度與EGFR突變具有顯著相關性，與生存率相關的唯一參數是熵。Siva P. Raman等[20]應用CT紋理參數鑒別腎透明細胞癌、 腎乳頭狀癌、腎嗜酸細胞瘤和腎囊腫，通過建立隨機森林模式進行歸類判斷，發現歸類判斷準確度達到89%以上。Meghan G. Lubner等[21]發現腎癌不同病理類型間CT紋理參數存在差異，CT紋理參數的熵與透明細胞組織學結果呈正相關（P＜0.001），并且與非透明細胞亞型發現呈負相關（P＜0.001），透明細胞癌發現的AUC為0.943，非透明細胞癌也有相似AUC值。

肝臟病變多種多樣，主要分為腫瘤病變和非腫瘤病變，腫瘤病變又分為良性腫瘤、惡性腫瘤和交界性腫瘤。在腫瘤病變中，目前CT在鑒別診斷不典型良惡性腫瘤，惡性腫瘤的惡性程度分級及評估，以及臨床療效預評價中存在困難。在非腫瘤病變中，對肝纖維化分級、肝炎性病變，肝功能評估等也無法給出較好評價。腫瘤病變之間、非腫瘤病變之間及腫瘤病變和非腫瘤病變之間組織病理學與分子生物學上均存在差異。 組織病理學與分子生物學是它們之間鑒別分析的金標準，然而只能通過侵入性方法獲得標本，如手術切除或穿刺活檢。侵入性檢查不僅具有傷害性，而且對標本取材敏感，并且不能反映腫瘤組織的整體狀況。CT紋理分析為使用非侵入性檢查提供了可能，已有較多的研究表明CT紋理分析在解決目前CT檢查面臨的難題上具有巨大潛力。與組織病理學及分子生物學手段相比，CT紋理分析的優勢是無創、簡單、禁忌證較少，并可在活體實時進行，而且不受標本取材較局限的影響，分析具有可重復性，這種優勢使得CT紋理分析在臨床上的應用越來越受到重視。 CT增強掃描圖像、PET-CT圖像，灌注偽彩圖等，可以提供病變的密度、血供、代謝等形態學及功能學的信息，通過CT紋理分析后處理，間接地從整體水平為病變分析提供相關信息，從而為使用非侵入性檢查提供了可能。

4 CT紋理分析在肝臟中的運用

4.1 非腫瘤病變臨床應用

肝的非腫瘤病變主要用于肝纖維化分級，肝功能貯備預測，肝炎判斷等。

Meghan G. Lubner等[22]通過提取16排或64排CT掃描的肝臟兩期、三期或多期掃描方案中的門脈期肝臟門靜脈層面層厚為5mm最大橫截面圖像，然后避開下腔靜脈及肝門部門脈勾畫肝臟輪廓獲得ROI，導入紋理分析軟件分析圖像，得出結論：CT紋理分析可能有助于檢測肝纖維化的存在并區分纖維化的階段，特別是在晚期水平。Naznin Daginawala等[23]通過提取64排CT掃描靜脈造影劑注射后70s的門靜脈期肝門部層厚為1.25mm的5張連續層面圖像，通過軟件融合5張連續的圖像，勾畫肝臟輪廓及手動去除血管后進行紋理分析，亦得出基于紋理分析為肝纖維化的非侵入性評估提供了潛在的途徑。

Amber L Simpson等[24]通過GE的多排CT掃描得到全肝臟的層厚為5mm斷層圖像，將肝臟，腫瘤，血管和膽管從CT掃描中半自動分割，然后自動化合成3D全肝圖，通過分析造影劑注射后80s的門靜脈期全肝圖發現術后肝功能不全和術后無肝功能不全兩組之間的兩個紋理特征顯著不同。在這項初步研究中，術前肝功能不全的患者術前實質性結構的質地明顯多變，對稱性較小，均勻性較差。因此，紋理分析有可能提供額外的術前風險分層手段。

Shotaro Naganawa等[25]分析88例經病理確認為非酒精性脂肪性肝炎的患者的CT平掃圖像。在層厚為5mm的CT平掃門靜脈中心層面的圖像上，在肝右前葉放置一個直徑約為2cm的感興趣區，提取紋理特征，避開血管。選擇這個提取感興趣區的方法是因為通常肝活檢亦是穿刺此區域。將患者根據有無纖維化分為兩組。結果發現在無纖維化病人中，平掃CT紋理分析可有效預測非酒精性脂肪性肝炎，AUC為0.94，準確度為94%。

4.2 腫瘤定性的應用

肝腫瘤病變主要應用于良惡性腫瘤、肝癌、肝血管瘤、肝臟局灶性結節增生之間的鑒別診斷，此外還有人做過腫瘤血栓或血管血栓鑒別研究。

王永芹等[26]從螺距 5 mm、層厚 5 mm的CT 平掃圖像上勾畫病灶最大橫斷層面的圖像，然后進行紋理分析，發現不同紋理特征選擇方法以及不同分析方法對 CT 平掃圖像中肝癌和肝血管瘤鑒別的最小錯誤概率均較低，因此，利用 CT 平掃圖像紋理分析的方法對肝癌和肝血管瘤進行鑒別診斷是可行的。黃燕琪等[27]基于平掃及三期增強 CT 圖像對于肝臟實性局灶性病變進行紋理分析，先于病灶邊界最清晰的時相中勾畫 ROI， 隨后將 ROI 復制粘貼于其他時相，錯位較大時根據鄰近解剖結構進行適當的位置調整。發現基于 CT 圖像的紋理分析可以作為肝臟實性局灶性病灶鑒別診斷的輔助手段，尤其是肝臟局灶性結節增生與血管瘤、良性病灶與惡性病灶、惡性病灶間的鑒別診斷；其中基于三期增強掃描的紋理分析較基于平掃圖像者效果更優。此外王慧慧等[28]對掃描層厚5 mm，層間距5mm的CT動脈期、門脈期及延遲期的圖像進行紋理分析，取病灶最大層面沿病灶輪廓勾畫ROI，ROI盡量包全病灶，且盡可能避開血管及周圍正常肝組織，每期增強圖像ROI所選層面相對應，然后自動生成相應的灰度直方圖以及基于灰度直方圖、灰度共生矩陣的各個紋理參數值，對所得數據進行統計分析。結果發現CT紋理參數對鑒別肝細胞肝癌與局灶性結節性增生有一定幫助，其中以灰度平均值參數價值最高。

Rodrigo Canellas等[29]分析107個不同血栓靜脈期CT圖像。通過在多曲面重建而來的層厚為3mm的冠狀位或矢狀位門靜期門靜脈血栓圖像上勾畫出血栓，得出紋理參數。結果發現平均值和熵可以可靠地區分腫瘤血栓或血管血栓，AUC分別為0.97和 0.93。

4.3 療效評估、預測

肝的療效評估主要用于肝癌各種療法、結直腸癌預后、結直腸癌肝外淋巴結轉移肝結構是否有不同以及結直腸癌肝轉移各種療法的療效評估、預測等。

王茹等[30]通過回顧性分析TACE術前行上腹部CT增強檢查，經穿刺病理、數字減影血管造影證實的肝癌患者，以半年內有無局灶性復發為界，分為早期復發與非早期復發兩組，應用紋理分析在肝癌術前掃描層厚5mm，層間距1.5mm CT軸位增強門脈期圖像上連續勾畫病灶，軟件再進行自動融合成三維容積影像，再進行紋理分析。結果發現通過術前肝癌CT增強圖像的容積紋理分析，對TACE術后早期復發具有較高的預測價值。Christopher Kloth等[31]通過分析TACE術前和術后患者的灌注CT圖像。在層厚為1mm的病灶最大CT橫斷面圖像中勾畫出病灶，然后通過軟件得出灌注CT參數數值和這個時期的CT紋理參數值。通過結合灌注CT和實體瘤預后評價（mRECIST），將患者TACE術后預后分為完全緩解、部分緩解以及穩定三組。然后分析不同組組內的術前和術后的灌注參數有無相關性；不同組組內的術前和術后的動脈期、門脈期的CT紋理參數有無相關性；不同組組內的CT紋理參數與灌注參數相關性；不同組組內的術前灌注參數對預測術后短期療效的價值以及不同組組內的術前CT紋理參數對預測術后短期療效的價值。結果發現這些均存在顯著相關性，其中術前灌注及術前CT紋理分析的一些參數對TACE術后短期療效具有預測價值。此外Hyun Jeong Park等[32]分析肝癌患者TACE術前的病灶圖像。通過在層厚為3mm的動脈期CT圖像上勾畫病灶的最大橫截面和逐層勾畫病灶，得出2D和3D紋理數據。所有的CT數據來自16排、64排、256排3臺不同公司CT機，具有相同掃描參數。根據改進的實體瘤反應評估標準，將肝癌分類為完全反應組和無完全反應組。通過兩組數據對比分析發現，治療前的CT紋理分析對于預測肝癌TACE療效是否可以達到完全反應是有價值的。

Shuting Chen等[33]通過分析肝癌切除患者的術前動脈期、門脈期的CT圖像，患者入組條件是（1）診斷為 HCC；（2）患有單個病變；（3）BCLC 分期至B，以肝切除為初始治療； （4）術后生存期＞3個月； （5）如果不復發，則至少隨訪3年； （6）定期隨訪直至死亡； （7）術前肝臟CT圖像厚度為1.25mm。 排除標準是：（1）未記錄的基線CT； （2）有多處病變；（3）先前通過經導管動脈化療栓塞（TACE）或消融治療； （4）除HCC外的其他伴隨癌癥； （5）包括胸部或下腹部檢查； （6）缺少1.25mm的薄切片圖像。發現對于通過肝切除術治療單一肝癌的患者，CT的紋理特征可能提供超出傳統指標（如BCLC）的預后信息。Lucie Brenet Defour等[34]通過分析47例肝癌切除患者的術前CT圖像，發現門靜脈期的CT紋理偏態參數與總體生存率顯著相關，并且可能成為選擇最佳切除候選者的有用工具。

Meng Li等[35]分析了130例經過LR（肝切除）或TACE（肝動脈化療栓塞術）治療的單個大肝癌（＞5cm）患者的術前門脈期CT圖像。圖像層厚為1.25mm，掃描的CT機為64排螺旋CT。圖像先經過過濾和小波分析，然后通過在最大橫截面腫瘤輪廓周圍手動繪制用戶定義的不規則ROI，提取紋理信息。根據存活率，將LR、TACE治療后患者分為LR +、LR-、TACE +及TACE-。預測使用TACE治療LR +患者將表現出與TACE-患者相似的生存率，并且比TACE +患者更差，總體生存率嚴重受損。 LR推薦用于治療TACE-患者，而TACE推薦用于治療LR-和TACE +患者。LR和TACE治療后的存活率與CT紋理特征相關，而與腫瘤大小無關。雖然需要進一步驗證，但證明了使用紋理分析來確定使用LR或TACE治療方法的可行性。

Sirui Fu等[36]分析了261個經導管動脈化療栓塞或導管動脈化療栓塞和索拉非尼聯合治療的患者的治療前門脈期CT圖像。所有的圖像來自64排螺旋CT，層厚為1.25mm。通過在1.25mm的軸向門靜脈期圖像，勾畫腫瘤的最大橫截面積，作為感興趣的區域。感興趣的區域經過濾波和Gabor濾波器或小波變換處理，將TACE的患者分為各種類型的兩亞組，并與TACE +索拉非尼組存活率進行比較。結果發現疾病進展時間和生存時間與CT紋理參數相關，而與腫瘤數量或大小無關。紋理分析有望為肝癌病人選擇適當的治療方法。Sébastien Mulé等[37]對肝癌晚期索拉非尼治療前的病人動脈和門靜脈期肝癌圖像進行CT紋理分析。通過在病灶動脈期、門脈期最大橫截面勾畫病灶，得出紋理數據。如果有多個病灶，則在最大病灶上勾畫病灶。門靜脈期紋理參數熵可以可以幫助預測用索拉非尼治療的晚期肝細胞癌患者的存活率。

Meghan G. Lubner等[38]分析未治療的結直腸癌肝轉移瘤的門脈期CT紋理特征，在層厚為5mm的門脈期最大層面勾畫病灶，部分病人在勾畫全病變三維圖，得出紋理參數。發現紋理參數與直腸癌腫瘤分級、總體存活率相關，2D和3D分析的紋理結果相似。

Balaji Ganeshan等[39]分析27例結直腸癌無肝轉移患者的灌注CT圖像。在層厚為10mm的CT圖像上勾畫出肝輪廓，剔除血管等干擾因素，得到紋理參數，發現在有無淋巴結轉移的患者間至少一個時相的肝的紋理參數存在差異（P＜0.05），紋理分析作為灌注CT的潛在有用輔助手段，值得進一步研究。

胡飛翔等[40]通過對直腸癌肝轉移患者新輔助治療前的CT門靜脈期圖像紋理分析，預測新輔助治療后的療效。選取34例結直腸癌肝轉移患者，共計132枚病灶進行紋理分析，患者均接受一線治療方案進行治療，按照實體腫瘤療效評價標準，分為緩解組、非緩解組。通過在治療前層厚層距為8mm CT門脈期圖像上勾畫轉移瘤最大層面病灶邊緣，得出紋理參數。90%百分位數在截斷值為167時具有較高的準確率（81.82%），此時靈敏度為74.42%、特異度為95.65%、陽性預計值96.65%、陰性預計值66.97%及 AUC為 0.854。Amber L. Simpson等[41]通過研究結腸直腸癌肝轉移瘤切除術前CT門脈期圖像，通過軟件在CT圖像上半自動分割腫瘤、肝臟產生三維圖像，所進行的肝切除實際上是在肝臟的三維圖像上繪制的，然后得出紋理參數。從腫瘤和模擬肝切除后剩余肝的紋理特征和臨床病理學變量被整合到多變量生存模型中。腫瘤和模擬肝切除后剩余肝的紋理特征與總生存時間相關，并且剩余肝的紋理特征與無病生存期相關，紋理作為一種潛在的生物標志物，用于預測結腸直腸癌肝轉移瘤切除后的預后。

5 問題及展望

近年來，越來越多的研究表明紋理分析能表現出病變的異質性，在臨床應用中顯示出巨大前景。當然目前紋理分析技術還面臨著一些問題：（1）分割/測量以及后處理（例如，圖像過濾方法的使用）的標準化，目前圖像分割/測量以及后處理方法缺乏統一性，各個研究皆有自己的方法，每項研究得出的結論不能相互適用，因此有必要進一步統一標準化的紋理分析流程及提取最能反映腫瘤異質性的紋理參數，才能取得較好的效果并促進其臨床推廣應用。（2）數據來源的統一性：目前并沒有規定各個部分掃描的管電壓、管電流、層厚以及層距等。通過水模研究表明，CT紋理分析對圖像采集參數，如管電壓、管電流和層厚等，相當敏感[35]，這些因素可能潛在地影響了病變分析結果。（3）紋理分析處理過程中觀察者自身和觀察者之間的一致性：目前在劃定區域或興趣區的容積時沒有一個統一標準，每個觀察者對病變的認知不一樣，這些都干擾了一致性，可能導致分析結果的不準確。通過統一劃定標準和計算機輔助半自動或自動方法劃定感興趣區將會有利于減低變異。（4）紋理分析與病理相關性需要進一步研究。（5）紋理分析的報告書寫亦需要進一步研究，目前紋理分析更多提供的是統計學上得出的統計數值，比較抽象以及深奧，報告書寫的簡易化以及規范化需要進一步研究。

盡管CT紋理分析在廣泛應用于臨床實踐之前需要解決許多問題，但通過對現有的CT 數據進行參數化，可獲得大量的定量化數據，而這些數據通常難以用肉眼觀察到，這將有利于數據的結構化分析處理以及對疾病的診斷、分析。隨著影像組學、腫瘤精準治療和臨床大數據的逐步推廣應用，CT紋理分析將具有廣闊的臨床應用前景。

6 小結

CT紋理分析是一種新的圖像后處理技術，允許醫生獲得更多的額外客觀數據，這些數據有利于對疾病的診斷以及分析。CT紋理分析在腫瘤異質性、治療前腫瘤評估和腫瘤類型鑒別診斷中顯示出美好的運用前景，此外還具有一系列潛在的非腫瘤學應用，包括評估肝纖維化等。CT紋理分析無需額外添加特殊的 CT 掃描序列以及設備，并且易于加入到現在的影像工作流程中，也無不需要患者另外接受更多的輻射，并在臨床工作應用中顯示出巨大潛能，有望推廣應用于常規臨床實踐中。