文章快速检索     高级检索
   中国临床医学  2020, Vol. 27 Issue (1): 98-101      DOI: 10.12025/j.issn.1008-6358.2020.20191576
0
3.0T磁共振T1WI对比增强图像纹理分析鉴别眼眶淋巴瘤与炎性假瘤
韩婷婷 , 陆钦     
徐州医科大学附属淮安医院影像科, 淮安 223001
摘要目的: 探讨纹理分析在鉴别眼眶淋巴瘤与炎性假瘤中的价值。方法: 纳入经手术病理证实的眼眶淋巴瘤25例和炎性假瘤24例,使用MaZda软件提取T1WI对比增强(contrast-enhanced T1-weighted images,CE-T1W)肿瘤纹理特征。比较两组游程长矩阵(run-length matrix,RLM)的20个纹理特征参数,对差异有统计意义的参数进行主成分分析(principal component analysis,PCA)。采用多变量logistic回归模型分别对在两组间差异有统计学意义的特征参数及主成分进行建模,绘制受试者工作特征曲线(receiver operating characteristic curve,ROC)以评价模型效能。结果: 淋巴瘤组灰度不均匀度(grey level non-uniformity,GLNU)、长游程优势(long run emphasis,LRE)的4个参数高于炎性假瘤(P < 0.001),短游程因子(short run emphasis,SRE)、游程图像分数(fraction of image in runs,FIR)的4个参数低于炎性假瘤组(P < 0.001);游程长不均匀度(run length non-uniformity,RLNU)的4个参数在两组间差异无统计学意义(P>0.05)。在两组间差异有统计学意义的参数中,以GLNU的参数建立的多变量logistic回归模型的诊断效能最高,灵敏度、特异度及曲线下面积(area under curve,AUC)分别为95.9%、72.0%、0.905;PCA提取出的2个主成分建立的多变量logistic回归模型的灵敏度、特异度及AUC分别为87.5%、88.0%、0.913。结论: 基于CE-T1W的RLM特征可有效鉴别眼眶淋巴瘤与炎性假瘤,其中以GLNU的诊断效能最高。
关键词纹理分析    游程长矩阵    磁共振成像    淋巴瘤    炎性假瘤    
Differentiation of orbital lymphoma and inflammatory pseudotumor using texture analysis based on contrast-enhanced T1-weighted images of 3.0T MRI
HAN Ting-ting , LU Qin     
Department of Radiology, Huai'an Hospital Affiliated to Xuzhou Medical University, Huai'an 223001, Jiangsu, China
Abstract: Objective: To investigate the diagnostic value of texture analysis in differentiating orbital lymphoma from inflammatory pseudotumor. Methods: There were 25 patients with orbital lymphoma and 24 patients with orbital inflammatory pseudotumor confirmed by postoperative pathological test. MaZda software was used to extract tumor texture features of contrast-enhanced T1-weighted images (CE-T1W). Twenty texture feature parameters of run-length matrix (RLM) between the two groups were compared. Principal component analysis (PCA) was performed for the parameters with statistical significance between the two groups. Multivariate logistic regression was used to model the features that showed statistical significance between the two groups and principal components respectively, then ROC curve was drawn to evaluate the efficiency of the models. Results: Four parameters of grey level non-uniformity (GLNU) and long run emphasis (LRE) were higher in lymphoma than inflammatory pseudotumor (P < 0.001). Four parameters of short run emphasis (SRE) and fraction of image in runs (FIR) were lower in the lymphoma group than those in the inflammatory pseudotumor group (P < 0.001). There were no significant differences of four parameters of run length non-uniformity (RLNU) between the two groups. Among the features that showed statistically significant differences between the two groups, the model with GLNU parameters showed the highest effect with sensitivity, specificity, and area under curve (AUC) of 95.9%, 72.0%, and 0.905. The sensitivity, specificity, and AUC of the multivariate logistic regression model established with two principal components extracted by PCA, were 87.5%, 88.0%, and 0.913, respectively. Conclusions: Texture feature parameters based on CE-T1W could effectively distinguish orbital lymphoma from orbital inflammatory pseudotumor, among which, GLNU had the highest diagnostic efficiency.
Key words: texture analysis    run-length matrix    magnetic resonance imaging    lymphoma    inflammatory pseudotumor    

眼眶淋巴瘤占眼眶附件淋巴瘤的50%~60%,绝大多数眼眶淋巴瘤起源于B细胞(97%)[1]。低级别单发淋巴瘤首选放疗,而弥漫性和高级别淋巴瘤首选化疗,必要时联合放疗[1]。眼眶炎性假瘤是一种常见的的眼眶疾病,其发病率仅次于甲状腺相关眼病和淋巴增生性疾病,占眼眶疾病的7.1%,通常应用类固醇或免疫抑制剂治疗[2]。由于两者临床和影像表现相似,而治疗方法不同,治疗前的鉴别诊断显得尤为重要。

纹理分析可定量分析医学图像的灰度分布、像素之间的空间关系等灰阶信息,提供肉眼无法获得的图像信息[3],在肿瘤间的鉴别、病灶良恶性预测等方面已有诸多报道[4-5]。游程长矩阵(run-length matrix, RLM)特征在肿瘤间的鉴别也有研究[6]。本研究探讨基于T1WI对比增强(contrast-enhanced T1-weighted images, CE-T1W)的RLM特征在鉴别眼眶淋巴瘤与炎性假瘤中的价值。

1 资料与方法 1.1 一般资料

收集2013年1月至2019年6月在本院经术后病理检查证实的25例眼眶淋巴瘤患者和24例眼眶炎性假瘤患者的资料。淋巴瘤组男性10例,女性15例,年龄40~66岁,平均(55.4±12.5)岁。炎性假瘤组男性13例,女性11例,年龄30~68岁,平均(45.2±13.9)岁。所有患者检查前均未行药物治疗。本研究经医院伦理委员会审核批准,患者知情同意并签署知情同意书。

1.2 扫描方法

采用3.0 MRI扫描仪(美国GE公司,Discovery MR750),8通道头部相控阵线圈。CE-T1W具体参数:重复时间(repetition time, TR) 400 ms, 回波时间(echo time, TE) 20 ms,层厚3 mm,层间距3 mm,视野240 mm×240 mm,矩阵256×256。对比剂采用钆喷酸葡甲胺盐(gadolinium-diethylene triamine pentaacetic acid, Gd-DTPA),经肘正中静脉注射,流率2.5 mL/s,剂量0.1 mmol/kg。

1.3 图像处理与分析

将所有患者CE-T1W原始图像的窗宽、窗位在后处理工作站调整一致后导出并储存,像素为512×512,使用MicroDicom软件(http://www.microdicom.com/)全部转换成bmp格式,保持像素不变。选择肿瘤横断面最大层面,用MaZda软件(version 4.6.0, 波兰)沿病灶边缘勾画感兴趣区(region of interest,ROI;图 1);提取RLM的5个特征,包括游程长不均匀度(run length non-uniformity, RLNU)、灰度不均匀度(grey level non-nuniformity,GLNU)、长游程优势(long run emphasis,LRE)、短游程因子(short run emphasis,SRE)、游程图像分数(fraction of image in runs, FIR),在4个方向(0°、45°、90°和135°)上共选20个参数,重复3次取平均值。RLM纹理特征及意义见表 1

图 1 MaZda软件勾画ROI示意图 A:女性,53岁,病理证实淋巴瘤,对比增强T1WI轴位示左眼眶内软组织块,信号尚均匀,边界清,增强后呈轻度强化;B:男性,73岁,病理证实淋巴瘤,对比增强T1WI轴位示右眼眶内软组织块,边界清,增强后呈轻度不均匀强化;C:男性,56岁,病理证实炎性假瘤,对比增强T1WI轴位示左眼眶内软组织块,边界模糊,增强后呈明显不均匀强化;D:男性,44岁,病理证实炎性假瘤,对比增强T1WI轴位示右眼眶内软组织块,边界尚清,增强后呈明显不均匀强化
表 1 纹理特征意义
参数 意义
RLNU 值越小,图像游程程度越相似,表示图像纹理粗细越均匀
GLNU 值越小,表示某种灰度出现次数较多,对应图像灰度越均匀
LRE 值越大,表示图像纹理越粗
SRE 值越大,游程越短,表示图像纹理越细
FIR 值越大,表示图像纹理越细
    RLNU:游程长不均匀度;GLNU:灰度不均匀度;LRE:长游程优势;SRE:短游程因子;FIR:游程图像分数
1.4 统计学处理

采用SPSS 19.0统计软件进行数据分析。计量资料以$\overline{x}\pm s$表示,组间参数比较采用独立样本t检验(符合正态分布)或非参数秩和检验(不符合正态分布),P≤0.05为差异有统计学意义。通过主成分分析(principal component analysis, PCA)对组间差异有统计意义的特征参数降维。淋巴瘤与炎性假瘤被列为分类响应变量,通过多变量logistic回归分别对在两组间差异有统计学意义的各特征参数及提取的主成分进行建模,用受试者工作特征曲线(receiver operating characteristic curve, ROC)评估模型效能,得出相应的敏感度、特异度和曲线下面积(area under curve, AUC)。

2 结果 2.1 两组间纹理特征的比较

结果(表 2)表明:淋巴瘤组GLNU、LRE的4个参数高于炎性假瘤组(P < 0.001);淋巴瘤组SRE、FIR的4个参数低于炎性假瘤组(P < 0.001)。两组间RLNU的4个参数差异无明显统计学意义。

表 2 眼眶淋巴瘤与炎性假瘤特征参数比较
特征 方向 淋巴瘤(n=25) 炎性假瘤(n=24) P
GLNU 184.364±120.226 63.110±42.097 < 0.001
45° 203.798±128.941 68.855±46.125 < 0.001
90° 243.806±152.287 77.189±50.776 < 0.001
135° 242.776±153.130 77.737±51.765 < 0.001
LRE 10.259±5.419 4.358±2.508 < 0.001
45° 8.028±5.344 3.597±1.658 < 0.001
90° 5.152±2.666 2.603±1.001 < 0.001
135° 5.318±2.917 2.600±1.078 < 0.001
SRE 0.530±0.125 0.735±0.104 < 0.001
45° 0.577±0.123 0.745±0.084 < 0.001
90° 0.653±0.099 0.802±0.068 < 0.001
135° 0.660±o.097 0.805±0.075 < 0.001
FIR 0.439±0.110 0.636±0.125 < 0.001
45° 0.493±0.119 0.664±0.110 <0.001
90° 0.572±0.108 0.736±0.093 <0.001
135° 0.572±0.109 0.740±0.099 <0.001
    GLNU:灰度不均匀度;LRE:长游程因子;SRE:短游程因子;FIR:游程图像分数
2.2 多变量logistic回归模型检验纹理特征的诊断效能

结果(表 3图 2)表明:在两组间差异有统计学意义的RLM特征中,GLNU的参数建立的多变量logistic回归模型的效能最高,灵敏度、特异度及AUC分别为95.9%、72.0%、0.905;PCA于两组间差异有统计学意义的16个特征参数中提取的2个主成分(特征值大于1)建立的多变量logistic回归模型的灵敏度、特异度及AUC分别为87.5%、88.0%、0.913。

表 3 各模型在眼眶淋巴瘤与炎性假瘤鉴别中的效能
模型 灵敏度/% 特异度/% AUC 95%CI
GLNU 95.9 72.0 0.905 0.815~0.995
LRE 79.2 80.0 0.888 0.798~0.978
SRE 87.5 88.0 0.902 0.815~0.989
FIR 75.0 88.0 0.893 0.805~0.982
PCA 87.5 88.0 0.913 0.831~0.996
    GLNU:灰度不均匀度;LRE:长游程优势;SRE:短游程因子;FIR:游程图像分数;PCA主成分分析;AUC:曲线下面积;CI:可信区间
图 2 ROC曲线显示各模型鉴别眼眶淋巴瘤与炎性假瘤的效能 A:基于RLM 4个特征的logistic回归诊断模型的ROC曲线;B:基于2个主成分的logistic回归诊断模型的ROC曲线. GLNU:灰度不均匀度;LRE:长游程因子;SRE:短游程优势;FIR:游程图像分数
3 讨论

纹理分析常用于眼眶内淋巴瘤与炎性假瘤间的鉴别诊断。Ren等[7]研究发现,基于表观弥散系数(apparent diffusion coefficient, ADC)图的纹理直方图参数可有效鉴别眼眶淋巴瘤和炎性假瘤。任继亮等[8]提取T1WI、T2WI以及CE-T1W的纹理特征,发现T1WI、T2WI鉴别眼眶淋巴瘤与炎性假瘤的纹理特征主要集中在RLM及灰度共生矩阵,CE-T1W鉴别两者的纹理特征主要集中于灰度共生矩阵及直方图参数。

本研究发现,与炎性假瘤组相比,淋巴瘤组的LRE数值较大而SRE和FIR较小,说明炎性假瘤图像纹理更细;淋巴瘤组GLNU的数值较大,说明其图像灰度分布更不均匀。淋巴细胞浸润型炎性假瘤组织内存在大量的淋巴细胞,其间散布浆细胞、粒细胞等,无明显纤维组织增生;而硬化型则相反,表现为大量的纤维结缔组织增生,其间亦可见浆细胞、淋巴细胞、嗜酸性粒细胞等散布[9]。炎性假瘤图像的纹理较细,推测可能与其组织内炎性细胞散在分布有关。眼眶淋巴瘤的肿瘤细胞多呈圆形或类圆形, 体积中到大,呈弥漫性生长,胞质多,染色质细,核仁单个或多个,影像学表现为信号均匀,囊变、坏死少见[10-11]。淋巴瘤纹理较炎性假瘤更粗,推测可能与肿瘤细胞密集及少有坏死有关。此外,淋巴瘤瘤体内部毛细血管内皮细胞连接不紧密,通透性较高使造影剂渗出,增强后多呈轻到中度均匀强化[7, 11];而炎性假瘤瘤体内毛细血管丰富,管壁通透性更高,组织结构相对松散,增强后多呈明显不均匀强化[12]。本研究中炎性假瘤组的图像灰度分布相对于淋巴瘤更均匀,推测可能由于炎性假瘤组造影剂渗出到炎性组织的量更大,由造影剂反映出的相同灰度更多,故其GLNU的数值更小。

4个特征(GLNU、LRE、SRE、FIR)所建模型中,通过GLNU参数建立的模型的诊断效能最佳,灵敏度、特异度及AUC分别为95.9%、72.0%、0.905,说明在CE-T1W序列图像上,纹理的均匀程度可以较好地鉴别眼眶淋巴瘤与炎性假瘤,这也体现了两者的强化方式存在明显差异[7, 13]。PCA能在消除纹理特征参数间相关性同时进行降维,在既往研究[4-5]中均体现良好的诊断结果。本研究通过PCA提取出2个主成分,通过这2个主成分建立的多变量logistic回归诊断模型的复杂度更低,且诊断效能得到进一步提高,灵敏度、特异度及AUC分别达到87.5%、88.0%、0.913。

本研究的局限性:(1)样本量较小;(2)仅研究了CE-T1W序列纹理特征,未研究其他序列,如鉴别眼眶淋巴瘤与炎性假瘤效果更佳的T2WI;(3)分析了RLM特征参数,未研究其他纹理特征。

综上所述,基于CE-T1W的RLM特征参数可有效鉴别眼眶淋巴瘤和炎性假瘤,具有一定的临床应用价值,其中以GLNU模型的诊断效能最佳。

参考文献
[1]
OLSEN T G, HEEGAARD S. Orbital lymphoma[J]. Surv Ophthalmol, 2019, 64(1): 45-66. [DOI]
[2]
LI J, GE X, MA J M. Relationship between dacryoadenitis subtype of idiopathic orbital inflammatory pseudotumor and paranasal sinusitis[J]. Int J Ophthalmol, 2016, 9(3): 444-447. [URI]
[3]
CASTELLANO G, BONILHA L, LI L M, et al. Texture analysis of medical images[J]. Clin Radiol, 2004, 59(12): 1061-1069. [DOI]
[4]
KUNIMATSU A, KUNIMATSU N, YASAKA K, et al. Machine learning-based texture analysis of contrast-enhanced MR imaging to differentiate between glioblastoma and primary central nervous system lymphoma[J]. Magn Reson Med Sci, 2019, 18(1): 44-52. [DOI]
[5]
阎伟伟, 丁玉芹, 戴辰晨, 等. 弥散加权成像-表观扩散系数图纹理分析对腹膜后去分化及高分化脂肪肉瘤的鉴别诊断价值[J]. 中国临床医学, 2019, 26(4): 606-610. [URI]
[6]
苏春秋, 韩秋月, 冯飘飘, 等. 纹理分析鉴别成人毛细胞型星形细胞瘤和血管母细胞瘤[J]. 实用放射学杂志, 2018, 34(1): 8-11. [DOI]
[7]
REN J, YUAN Y, WU Y, et al. Differentiation of orbital lymphoma and idiopathic orbital inflammatory pseudotumor:combined diagnostic value of conventional MRI and histogram analysis of ADC maps[J]. BMC Med Imaging, 2018, 18(1): 6. [URI]
[8]
任继亮, 吴颖为, 陶晓峰. 常规MRI纹理分析鉴别诊断眼眶淋巴瘤与炎性假瘤[J]. 中国医学影像技术, 2017, 33(7): 980-984. [URI]
[9]
赵莲, 陈建卓, 王红霞. 眼眶炎性假瘤的临床病理特征分析及治疗效果观察[J]. 眼科新进展, 2015, 35(8): 759-761. [URI]
[10]
胡轶, 何为民. 眼附属器淋巴瘤的临床病理分析[J]. 国际眼科杂志, 2019, 19(6): 1082-1085. [URI]
[11]
JAKOBIEC F A, HOMER N, ZAKKA F R, et al. Clinicopathologic and magnetic resonance imaging analysis of a multifocal orbital lymphoid tumor[J]. Ocul Oncol Pathol, 2018, 4(2): 82-89. [URI]
[12]
STANCIU M, POPA F L, TOTOIAN I G, et al. Orbital pseudotumor can mimic graves' ophihalmopathy[J]. Acta Endocrinol (Buchar), 2016, 12(3): 344-348. [DOI]
[13]
YAN J, WU Z, LI Y. The differentiation of idiopathic inflammatory pseudotumor from lymphoid tumors of orbit:analysis of 319 cases[J]. Orbit, 2004, 23(4): 245-254. [DOI]

文章信息

引用本文
韩婷婷, 陆钦. 3.0T磁共振T1WI对比增强图像纹理分析鉴别眼眶淋巴瘤与炎性假瘤[J]. 中国临床医学, 2020, 27(1): 98-101.
HAN Ting-ting, LU Qin. Differentiation of orbital lymphoma and inflammatory pseudotumor using texture analysis based on contrast-enhanced T1-weighted images of 3.0T MRI[J]. Chinese Journal of Clinical Medicine, 2020, 27(1): 98-101.
通信作者(Corresponding authors).
陆钦, Tel:0517-80871677. E-mail:ht52@163.com.
Corresponding author
LU Qin, Tel:0517-80871677. E-mail:ht52@163.com.

工作空间