CT纹理分析在量化食管鳞状细胞癌T、N分期方面的评价

唐彩银,张继,田为中

泰州市人民医院 医学影像科,江苏 泰州 225300

[摘 要]目的通过CT纹理分析量化食管鳞状细胞癌在术前T、N分期方面的评价。方法回顾性分析2016年1月至2017年12月间我院医学影像科经病理证实的52例食管鳞状细胞癌CT图像。应用image J软件在断层影像上根据肿瘤边界描画出感兴趣区域,并提取平扫及增强CT图像的纹理特征。获取纹理分析的5个参数,分别是方差、均值、熵值、偏度、峰度,比较在平扫和增强CT上食管鳞状细胞癌T、N分期以及分化程度的纹理分析参数差别。结果峰度在食管鳞状细胞癌平扫CT图像上对T分期(T1-2与T3-4)有统计学意义(P<0.05);熵值在食管鳞状细胞癌平扫以及增强CT图像上对T分期(T1-2与T3-4)和淋巴结转移有统计学意义(P<0.05);鳞状细胞癌在增强CT的T、N分期在ROC曲线下的面积分别是0.862和0.942。结论CT纹理分析对食管鳞状细胞癌在T、N分期鉴别上有很大的帮助。

[关键词]增强CT;纹理分析;食管鳞状细胞癌;T、N分期

 

引言

食管鳞状细胞癌在发展中国家是发生率和死亡率比较高的肿瘤,反映食管鳞状鳞细胞癌侵袭程度重要指标TNM(Tumor,Node,Metastasis)分期以及肿瘤分化程度[1]。CT纹理分析是当前比较热门一种技术,它是通过对传统图像进行后处理,对图像的强度和空间分布特点进行数学分析和运算。从而量化纹理特征的一种方法,它能够反映肿瘤内部的异质性。近些年通过CT纹理参数来研究食管鳞状细胞癌术后治疗效果比较多,对通过增强CT图像来研究相关的肿瘤分期的比较少,目前仅有的也是和PET/CT相关的,所以我们假定随着肿瘤侵袭程度的发展,在肿瘤生物结构也在作细微变化,通过CT纹理分析参数来研究表达[2-4]

1 材料与方法

1.1 临床资料

回顾性研究我院从2016年1月至2017年12月间经手术病理证实的食道鳞状细胞癌患者52例,纳入的标准:① 所有患者术前在同一CT机上使用同一扫描序列行胸部、腹部二期CT扫描,包括平扫和增强;② 有准确的术后病理T和N分期的;③ 感兴趣的肿瘤病灶必须大于5 mm的;④ CT检查前未进行放、化疗等治疗。

52例食管鳞状细胞癌患者被列入研究数组中,临床病理特征如表1所示。

表1 食管鳞状细胞癌患者临床病理特征

1.2 仪器与方法

在检查前,需禁食至少6 h,训练病人屏气。采用西门子64层螺旋CT,以胸部的标准采集图像。扫描方案:先平扫,增强扫描在注入造影剂后25~30 s;扫描范围:从口咽一直到贲门;扫描参数:管电压120 kVp;管电流250~350 mA;层厚5 mm;层间距5 mm;矩阵512×512;旋转时间0.7 s;螺距1.375;重建算法,标准窗。使用非离子型对比剂(欧乃派克,碘含量350 mg/mL)经外周静脉注入,注射速率为3.0 mL/s,剂量为100~120 mL。

1.3 影像分析

由1名低年资放射科住院医师和1名具有15年以上胸部CT诊断经验的放射科副主任医师采用双盲法进行读片。纹理分析采用Image J软件,将平扫和增强的图像分别加载到该软件中,肿瘤的ROI选择在肿瘤轴位图像上最大径层面,再上下各取连续两个层面沿着肿瘤的边界手动画出,包括肿瘤内的坏死组织,但要避开邻近的水和空气。

1.4 纹理分析

ROI选取后,基于CT的CT值,经纹理和直方图算法分析产生,方差、均值、熵、偏度、峰度参数。每个参数测量3次,取均值。

1.5 病理分析

手术由工作经验在10年和18年以上的两名胸外科医生完成。病理由诊断经验在7年以上的病理科医师完成。肿瘤的病理类型、分化程度、组织的T、N分期采用美国癌症联合会(第7版本)。

1.6 统计学分析

采用SPASS 20.0进行统计分析。使用t检验来评价纹理分析参数在平扫和增强CT图像上进行T、N分期以及肿瘤分化程度的差异。其中T分期比较将T1和T2患者归为T1-2,T3和T4患者归为T3-4,比较T1-2与T3-4。使用受试者工作曲线(ROC)来评估有统计学意义的参数对T、N分期的诊断性能。制图使用Graphpad Prism 7软件。P<0.05被认为差异具有统计学意义。

2 结果

患者68岁,病理诊断低分化鳞状细胞癌,肿瘤分期(T2N1M0)。轴位CT平扫见食道周围类圆形肿块,划线区为病灶选取的感兴趣区ROI(图1a);相应的增强图像显示病灶中等强化(图1b),病灶的感兴趣区平扫CT图像直方图分布显示:均值26.10,方差13.57,偏度-1.83峰度47.62,熵2.95(图2a);病灶感兴趣区增强图像直方图分布显示:均值44.75,方差21.54,偏度2.53,峰度48.2,熵 4.16(图 2b)。

图1 低分化鳞状细胞癌患者轴位CT平扫结果(a)和增强结果(b)

图2 病灶的感兴趣区平扫CT(a)和增强CT(b)图像直方图

2.1 CT纹理分析参数在食管鳞状细胞癌病理T、N分期上的比较

采用独立的t样本检验,平扫与增强CT纹理分析参数在食道鳞状细胞癌T1-2与T3-4期比较是有意义的。熵值和峰度在平扫CT上对辨别T1-2与T3-4分期有意义;熵值在增强CT上可以辨别T1-2和T3-4分期是有意义(表2)。熵值在平扫和增强CT上对淋巴结的转移是有统计学意义(表3)。

2.2 CT纹理参数对食管鳞状细胞癌诊断效能

ROC曲线分析中,熵值鉴别食管鳞状细胞癌T1-2与T3-4对应的平扫AUC为0.733,95%CI为0.622~0.845熵值鉴别食管鳞状细胞癌T1-2与T3-4对应的增强AUC为0.862,95%CI为0.775~0.949(图3);熵值在鉴别食管鳞状细胞癌淋巴结是否转移对应平扫AUC为0.830,95%CI为0.740~0.919,熵值在鉴别食管鳞状细胞癌淋巴结是否转移对应增强AUC为0.942,95%CI为0.893~0.991(图4)。

3 讨论

目前通过纹理分析定量技术来对肿瘤异行性的研究是当今影像组学研究的热点。本文主要通过统计法即统计图像的像素强度以及分布规律来分析图像的纹理特征,使用灰度共生矩阵方法来实现。通过纹理特征的分析来反映出机体组织内的病理精细变化,从而对多种疾病来鉴别以及对肿瘤术前侵袭程度进行有效的评估。组织的异质性主要反映了组织结构和各种潜在内的生理变化,其中包括血供改变、缺氧改变以及遗传变化,通常的这样的变化通过诊断医生的肉眼是无法识别的,只有借助计算机辅助分析才能识别。研究表明,CT纹理分析可以反映血管化的肿瘤异质性与细胞分析差异[5-6]。本文通过数据分析表明CT纹理分析的参数在食管鳞状细胞癌T、N分期上存在相关性。发现熵和峰度在平扫CT上可以区分T1-2与T3-4,熵在增强图像上可以鉴别T1-2与T3-4图像的峰度和熵值明显偏高,峰度和熵是食管鳞状细胞癌分期有统计学意义。熵是反映的纹理的杂乱度和复杂度,是像素空间分布的反映。许多研究表明熵在结肠癌肝转移预后评估以及在预测肺癌放疗后复发的评估价值有着重要的作用[7-8]。研究表明,39例转移肾癌患者接受2周期TKI治疗,通过纹理参数分析比较治疗前后的增强CT图像,熵值下降3%~45%,通过回归分析显示纹理值熵值是疾病进展的独立预测因子[4]

表2 平扫与增强CT纹理分析参数在食道鳞状细胞癌T1-2与T3-4的比较

表3 平扫与增强CT纹理分析参数在食道鳞状细胞癌淋巴结转移的比较

图3 熵值在鉴别食管鳞状细胞癌T1-2与T3-4ROC曲线图

图4 熵值在鉴别食管鳞状细胞癌淋巴结转移ROC曲线图

数据分析表明熵值在平扫和增强CT对食管鳞状细胞癌的N期中,能够区别淋巴结是否转移。CT对淋巴结的判断一直以大小测量来衡量,这样的准确度一直在10%到50%[9]。肿瘤的内部包括不同的组成,有分化密集的细胞,坏死组织,出血等改变,通过CT纹理参数定量分析来评价肿瘤的侵袭程度[10]。淋巴结对肿瘤的分期以及术后的治疗非常重要,影像学常用淋巴结的形态特征来鉴别是否转移。有研究显示,转移也可发生在正常形态大小的淋巴结中,所以通过测量淋巴结的大小并不准确[11-14]。这样通过纹理分析来研究淋巴结有了新的价值,在增强CT上,熵值可以反映肿瘤供血的异质性上,我们发现随着肿瘤血供异质性的增加,淋巴结转移的几率也在增加,它们之间呈正相关联。通过大量结肠癌淋巴结转移患者研究表明恶性淋巴结的分数维度比良性淋巴结高,据此判断淋巴结的准确率高达88%,因此对淋巴结的纹理属性研究有助于术前判断淋巴结转移情况[15-16]

本研究的局限主要以下几点:① 本文采用的是回顾性研究,由于样本的数目不够大,存在固有的局限性和不可预测性;② 对病灶纹理参数的分析主要来自单幅图像上的最大层面,没有能够对病灶进行三维立体重建,那个对病灶的选取更全面;③ 以及对ROI的选取存在人为的差异,不可避免的影响。

4 结论

综上所述,CT纹理分析对食管鳞状细胞癌在T1-2与T3-4分期以及淋巴结的转移提供了客观、可靠的依据。

[参考文献]

[1] Huang Y,Guo W,Shi S,et al.Evaluation of the 7thedition of the UICC-AJCC tumor, node, metastasis classification for esophageal cancer in a Chinese cohort[J].J Thorac Dis,2016,8:1672-1680.

[2] Vliet EPMV,Heijenbrokkal MH,Hunink MGM,et al.Staging investigations for oesophageal cancer: a meta-analysis[J].Brit J Cancer,2008,98(3):547-557.

[3] Gavalcanti PG,Shirani S,Scharcanski J,et al.Lung nodule segmentation in chest computed tomography using a novel background estimation method[J].Quant Imaging Med Surg,2016,6(1):16-24.

[4] Srinivasan GN,Shobha G.Statistical texture analysis[J].Proceed World Acad Sci Engineer Technolog,2008:1264.

[5] Balaji G,Vicky G,Mandeville HC,et al.Non-small cell lung cancer: histopathologic correlates for texture parameters at CT[J].Radiology,2013,266(1):326-336.

[6] Liu L,Liu Y,Xu L,et al.Application of texture analysis based on apparent diffusion coefficient maps in discriminating different stages of rectal cancer[J].J Magn Resonan Imaging,2017,45(6):1798-1808.

[7] Dworak O.Morphology of lymph nodes in the resected rectum of patients with rectal carcinoma[J].Pathol Res Pract,1991,187(8):1020-1024.

[8] Langman G,Patel A,Bowley DM.Size and distribution of lymph nodes in rectal cancer resection specimens[J].Dis Colon Rectum,2015,58(4):406-414.

[9] Dennie C,Thornhill R,Sethi-Virmani V,et al.Role of quantitative computed tomography texture analysis in the differentiation of primary lung cancer and granulomatous nodules[J].Quant Imaging Med Surg,2016,6(4):6-15.

[10] Wakai T,Shirai Y,Sakata J,et al.Histologic evaluation of intrahepatic micrometastases in patients treated with or without neoadjuvant chemotherapy for colorectal carcinoma liver metastasis[J].Int J Clin Exp Pathol,2012,5(4):308-314.

[11] Zhang H,Graham CM,Elci O,et al.Locally advanced squamous cell carcinoma of the head and neck: CT texture and histogram analysis allow independent prediction of overall survival in patients treated with induction chemotherapy[J].Radiology,2013,269(3):801-809.

[12] Vadivelu S,Wolf VL,Bollo RJ,et al.Resting-state functional MRI in pediatric epilepsy surgery[J].Pediatr Neurosurg,2013,49(5):261-273.

[13] Johnston JM,Vaishnavi SN,Smyth MD,et al.Loss of resting inter hemispheric functional connectivity after complete section of the corpus callosum[J].J Neurosci,2008,28(25):6453-6458.

[14] Wu Y,Ji GJ,Zang YF,et al.Local activity and causal connectivity in children with benign epilepsy with centrotemporal spikes[J].PLoS One,2015,10(7):e0134361.

[15] 王光宇,初向阳,李国,等.单操作孔电视胸腔镜与开胸肺癌根治术对早期肺癌淋巴结清扫及疗效的对比研究[J].中国医药,2014,9(1):37-40.

[16] 董鑫哲.基于PET图像三维纹理分析的食管鳞癌异质性研究[D].济南:济南大学,2013.

 

Evaluation of CT Texture Analysis in Quantifying T and N Staging of Esophageal Squamous Cell Carcinoma

TANG Caiyin, ZHANG Ji, TIAN Weizhong
Department of Radiology, Taizhou People’s Hospital, Taizhou Jiangsu 225300, China

Abstract:ObjectiveTo evaluate the T and N staging of esophageal squamous cell carcinoma by CT texture analysis.MethodsCT images of 52 cases of esophageal squamous cell carcinoma confirmed by pathology in our Hospital from January 2016 to December 2017 were retrospectively analyzed. Image J software was used to depict the region of interest based on the tumor boundaries in the tomographic images and extract the texture features of plain and enhanced CT images. Five parameters of texture analysis were obtained, they were variance, mean, entropy, skewness and kurtosis. The difference of texture analysis parameters in T, N staging and differentiation of squamous cell carcinoma of the esophagus on plain and enhanced CT were analyzed.ResultsThe kurtosis was statistically significant on the T staging (T1-2and T3-4) on the CT images of squamous cell carcinoma of the esophagus (P<0.05),and the entropy value was statistically significant for T staging (T1-2and T3-4) and lymph node metastasis on the squamous cell carcinoma of the esophagus and the enhanced CT image (P<0.05). The area under the area curve was 0.862 and 0.942, respectively.ConclusionCT texture analysis is of great importance in identifying T and N stages of esophageal squamous cell carcinoma.

Key words:enhanced CT; texture analysis; esophageal squamous cell carcinoma; T and N staging

通讯作者邮箱:zj00151@126.com

通讯作者:张继,副主任医师,主要研究方向为MR图像处理。

基金项目:江苏省青年医学人才项目(QNRC2016509)

收稿日期:2018-05-31

[文章编号]1674-1633(2018)11-0073-03

doi:10.3969/j.issn.1674-1633.2018.11.020

[文献标识码]B

[中图分类号]R814.42

本文编辑 王静