基于MSCT的計算機紋理分析技術對良惡性孤立性肺結節的鑒別診斷效能

黃昌勝，孫國臣，龔新占

（1.光山縣中醫院 CT室，河南 信陽 465450；2.南陽市第一人民醫院 影像科，河南 南陽 473000；3.信陽市中醫院 放射科，河南 信陽 464000）

孤立性肺結節（solitary pulmonary nodule,SPN）為常見疾病，系肺實質內單個、直徑≤3 cm、X 線影像學呈不透明、邊緣清晰、不引起肺不張、胸腔積液、肺門增大的疾病［1］。有關數據顯示，約有1%～12%的SPN 患者會發生惡性病變，其經手術切除治療可獲得較高的5 年生存率。因此，早期診斷、準確鑒別對臨床制定治療方案，改善預后具有重要作用。隨著醫學影像學技術發展，CT在臨床中得到廣泛應用，傳統CT 根據SPN 的形態特征、密度特征對其良惡性進行鑒別，具有一定應用價值［2］，但部分患者僅依靠CT 征象進行鑒別，難以明確具體良惡性。計算機紋理分析技術通過定量分析病灶局部圖像灰度值分布模式及變化規律、像素灰度特點等，能提供傳統CT 圖像中視覺無法識別的信息，并可反映圖像的不同本質，從而幫助臨床鑒別，提高術前診斷準確性，且具有無創、操作簡單等優勢［3-5］。基于此，本研究選取光山縣中醫院317 例SPN 患者，探討基于多層螺旋CT（multi-slice CT,MSCT）的計算機紋理分析技術對良惡性SPN 患者鑒別診斷效能，現報道如下。

1 資料與方法

1.1 一般資料

選取光山縣中醫院2019 年10 月至2022 年1 月收治的317 例SPN 患者，均行MSCT 檢查和計算機紋理分析，以臨床病理結果為診斷的“金標準”，SPN 患者分為良性組177 例、惡性組140 例。良性組女63 例，男114 例；年齡43～78 歲，平均（60.54±7.92）歲；體質量指數：＜24 kg/m285 例、≥24 kg/m292 例。惡性組女51 例，男89 例；年齡42～76 歲，平均（59.61±8.04）歲；體質量指數：＜24 kg/m264 例、≥24 kg/m276 例。兩組一般資料（性別、體質量指數、年齡）比較差異無統計學意義（P＞0.05），具有可比性。研究經光山縣中醫院醫學倫理、學術委員會審核批準。

1.2 納入及排除標準

1.2.1 納入標準 均經病理診斷為良性或惡性SPN；胸部CT 檢查顯示SPN 結節最大徑1～3 cm；結節未經穿刺；知情本研究，簽署同意書；精神系統正常。

1.2.2 排除標準 認知功能障礙；結節內鈣化；結節內存在脂肪成分；結節內空洞形成；接受過放化療等治療；磨玻璃密度結節；CT 檢查禁忌證；伴有肺部其他疾病。

1.3 方法

1.3.1 MSCT 掃描 工具：Siemens 128 層CT 機（Somatom Definition AS）、Siemens 雙源CT 機（Somatom Definition Flash）。仰臥位，以先足后頭的方式進床，掃描范圍為肺底部至胸廓入口處，指導患者深吸后屏氣，至掃描結束。先進行常規CT 平掃，參數設置：管電壓120 kV，管電流280 mA，螺距0.993∶1，旋轉0.5 s/周～0.8 s/周，層厚0.625 mm，層間距5 mm，矩陣512×512，重建經標準算法進行。切換至cine 掃描模式，行CT 灌注成像掃描。使用高壓注射器（德國Ulrich 公司，missouri XD2001 型），經肘正中靜脈注射碘海醇造影劑，注射速率為 3.0～3.5 mL/s，劑量為1.5 mL/kg，參數設置：管電流80 mA，管電壓120 kV，掃描矩陣512×512，視野36 cm×36 cm～40 cm×40 cm，于對比劑注入后1 min 行門靜脈期掃描，于3～5 min 時行延遲期掃描。

1.3.2 計算機紋理分析 將數據輸入工作站，經軟件對灌注成像進行分析，于病灶最佳層面勾畫出結節、主動脈感興趣區域，標準感興趣區域為最大截面的60%面積，避開肉眼可見的血管、壞死病變區域，測量實性軟組織區域，分析得到SPN 同層主動脈參數。使用縱隔窗觀察圖像，挑選顯示最大徑的軸位圖像，測量結節CT 值、最大徑；將病灶中心層面、相鄰的兩個層面導入后處理軟件進行計算機紋理分析。順著距離病灶內緣1～2 mm 處勾畫感興趣區域，勾畫面積需＞2/3 病灶，并需最大程度涵蓋所有病灶；使用灰度共生矩陣法獲取SPN 紋理參數。

1.4 觀察指標

①基于MSCT 的計算機紋理分析結果，包括結節最大徑、平均CT 值、紋理特征（熵、相關、熵差、均和、熵和、對比度）。②基于MSCT 的計算機紋理分析的紋理特征參數鑒別良惡性SPN 的效能。

1.5 統計學方法

采用SPSS 22.0 軟件對數據進行分析。計量資料以均數±標準差（）表示，用t檢驗。將基于MSCT 的計算機紋理分析獲得的差異有統計學意義的影像學參數及其不同組合情況繪制受試者工作特征（receiver operating characteristic,ROC）曲線，獲得置信區間（confidence interval,CI）、最佳截斷值、曲線下面積（area under curve,AUC）、特異度、靈敏度。P＜0.05 為差異有統計學意義。

2 結果

2.1 基于MSCT 的計算機紋理分析結果

惡性組紋理特征中熵、熵差、熵和均較良性組高，差異有統計學意義（P＜0.05），而組間結節最大徑、平均CT 值、均和、相關、對比度比較，差異無統計學意義（P＞0.05），見表1，典型病例見圖1。

圖1 典型病例

表1 SPN 影像學結果（）

表1 SPN 影像學結果（）

2.2 基于MSCT 的計算機紋理分析的紋理特征參數鑒別良惡性SPN 的效能

以臨床病理結果為診斷的“金標準”，將病理結果為惡性SPN 設為陽性樣本，以病理結果為良性SPN 設為陰性樣本，基于MSCT 的計算機紋理分析技術檢測的熵差、熵、熵和參數繪制ROC 曲線（見圖2、圖3），結果顯示，熵差、熵、熵和的最佳截斷值分別為0.981、1.582、1.173，熵、熵差、熵和、熵+熵差、熵差+熵和、熵+熵和、熵+熵差+熵和的AUC 均＞0.700，靈敏度、特異度均超過60.00%，聯合熵+熵差+熵和檢測的靈敏度為90.71%，特異度為82.49%，見表2。

圖2 熵、熵差、熵和、熵+熵差、熵差+熵和、熵+熵和的ROC 曲線

圖3 熵+熵差+熵和的ROC 曲線

表2 紋理特征參數鑒別SPN 良惡性的效能

3 討論

在所有結節中，炎性結節不僅在形態特征方面與惡性結節難以進行有效區分，且增強后結節的強化程度與惡性結節也高度相似；腫瘤異質性為臨床惡性腫瘤的重要特征，與血管生成有關，且不同組織學類型病灶的新生血管生成方式、數量均存在差異［6-7］。肺癌為臨床發生率、死亡率均較高的腫瘤疾病，5 年總體生存率較低。因此，早期診斷、治療具有重要作用。良性肺部病灶內小血管為炎性反應狀態，在質量、數量方面與惡性腫瘤內新生的血管存在差異。良惡性肺結節影像學部分表現相似，如良性腫瘤、炎性肉芽腫、早期肺癌及轉移瘤等均可表現為肺內孤立性邊界清晰的結節，僅給予形態學特點則難以及時準確診斷，導致部分患者失去最佳治療時機，甚至因過度診斷出現過度治療的情況。本研究發現，良性組、惡性組CT 值間無明顯差異，可見，增強CT掃描的強化特征不能有效鑒別良惡性SPN。

CT 技術的不斷發展，使得CT 灌注成像逐漸在臨床中到達廣泛應用。CT 灌注成像能直接反映對比劑在掃描組織中灌注量變化，對組織灌注量、通透性進行評估，從而幫助臨床鑒別病變組織良惡性［8-9］。但有研究發現，MSCT 在SPN 臨床診斷、鑒別中具有顯著作用，根據其參數能判定結節性質，但對于惡性結節、炎性結節缺乏特異性［10］。基于MSCT 的計算機紋理分析技術能對病變內灰度分布均勻情況、紋理粗細及復雜程度進行有效評估，然后量化病變組織內異質性。有研究發現，基于腫瘤異質性與腫瘤血管生成有關，對比增強CT 紋理分析能評估肺結節、腫塊良惡性［11］。熵、熵差、熵和、對比度、相關等紋理參數為臨床定性SPN 的重要依據。其中，對比度能反映圖像清晰度、紋理溝紋深淺程度；熵能反映圖像紋理的規則程度、灰度分布隨機性，且熵值越高，表明圖像紋理信息越隨機、越復雜，病變組織異質性越高；相關則可用來衡量在行或列方向上灰度共生矩陣元素的相似程度［12-14］。本研究發現，惡性組紋理特征中熵、熵差、熵和均較良性組高（P＜0.05），提示，基于MSCT 的計算機紋理分析技術的相關參數能有效判定良惡性SPN。其主要原因為惡性SPN 易發生纖維化、鈣化，內部常有物質沉積，影像學檢查主要顯示為圖像密度分布不均，病灶紋理表現更為復雜，故而惡性SPN 熵值較高。

本研究以臨床病理結果為診斷的“金標準”，將病理結果為惡性SPN 設為陽性樣本，以病理結果為良性SPN 設為陰性樣本，基于MSCT 的計算機紋理分析技術檢測的熵差、熵、熵和參數繪制受試者工作特征（ROC）曲線，結果發現熵差、熵、熵和的截斷值分別為0.970、1.571、1.151，熵差、熵差+熵和、熵、熵+熵差、熵和、熵+熵和、熵+熵差+熵和的AUC 均＞0.700，靈敏度、特異度均超過60.00%，聯合熵+熵差+熵和檢測的靈敏度為90.71%，特異度為82.49%，提示，基于MSCT 的計算機紋理分析能反映病灶組織內部結構異質性，從而能幫助臨床鑒別良惡性SPN。

綜上所述，基于MSCT 的計算機紋理分析具有無創、操作簡單等優勢，與結節形態學特征、增強后的強化特點結合后，聯合熵+熵差+熵和檢測的靈敏度和特異度均較高，能幫助臨床鑒別良惡性SPN，提升惡性SPN 早期診斷率。