• 
    

    
    

      99热精品在线国产_美女午夜性视频免费_国产精品国产高清国产av_av欧美777_自拍偷自拍亚洲精品老妇_亚洲熟女精品中文字幕_www日本黄色视频网_国产精品野战在线观看 ?

      CT紋理特征分析鑒別診斷表現(xiàn)為肺部亞實性結(jié)節(jié)的微浸潤腺癌和浸潤性腺癌

      2019-05-27 09:10:28金志發(fā)陳相猛陳業(yè)航李榮崗龍晚生
      中國醫(yī)學影像技術(shù) 2019年5期
      關(guān)鍵詞:分葉征象實性

      金志發(fā),陳相猛,馮 寶,3,陳業(yè)航,李 青,李榮崗,龍晚生*

      (1.暨南大學附屬第一醫(yī)院醫(yī)學影像中心,廣東 廣州 510060;2.江門市中心醫(yī)院 中山大學附屬江門醫(yī)院放射科,4.病理科,廣東 江門 529030;3.中山大學生物醫(yī)學工程學院,廣東 廣州 510010)

      肺部亞實性結(jié)節(jié)指密度增高而內(nèi)部支氣管血管束尚可見的結(jié)節(jié),根據(jù)有無實性成分,又分為非實性結(jié)節(jié)和部分實性結(jié)節(jié)[1]。亞實性肺結(jié)節(jié)與肺腺癌關(guān)系密切,CT隨訪3個月持續(xù)存在的非實性結(jié)節(jié)和部分實性結(jié)節(jié)確診為肺腺癌的可能性分別為18%和63%[2]。2011年國際肺癌研究協(xié)會、美國胸科學會和歐洲呼吸學會聯(lián)合推出肺腺癌多學科分類標準[3],將肺腺癌分為原位癌(adenocarcinoma in situ,AIS)、微浸潤腺癌(minimally invasive adenocarcinoma,MIA)和浸潤性腺癌(invasive adenocarcinoma,IAC)。對于MIA,手術(shù)治療方式為肺葉次全切除、不全淋巴結(jié)清掃術(shù),術(shù)后患者5年生存率可達100%;對IAC手術(shù)方式為標準肺葉切除及淋巴結(jié)清掃術(shù),術(shù)后患者5年生存率為74.6%[4],故術(shù)前準確區(qū)分MIA與IAC具有重要臨床意義。借助計算機軟件,紋理分析方法可高通量地從CT影像數(shù)據(jù)中挖掘大量的定量影像學特征,并使用統(tǒng)計學和/或機器學習方法,篩選最有價值的紋理特征分析,由此鑒別肺結(jié)節(jié)性質(zhì)[5]。本研究探討CT紋理分析對表現(xiàn)為亞實性肺結(jié)節(jié)的MIA和IAC的診斷價值。

      1 資料與方法

      1.1 一般資料 回顧性收集2008年1月—2017年12月中山大學附屬江門醫(yī)院經(jīng)胸部CT診斷為亞實性結(jié)節(jié)、并經(jīng)手術(shù)病理證實的100例患者,包括部分實性結(jié)節(jié)40例,非實性結(jié)節(jié)60例;男39例,女61例,年齡29~75歲,平均(51.6±7.5)歲;其中MIA 43例(部分實性結(jié)節(jié)5例,非實性結(jié)節(jié)38例),IAC 57例(部分實性結(jié)節(jié)35例,非實性結(jié)節(jié)22例)。納入標準:①肺內(nèi)孤立性亞實性結(jié)節(jié),直徑<3 cm;②術(shù)前3日內(nèi)接受層厚小于3 mm的胸部CT平掃;③CT檢查前未經(jīng)穿刺活檢或放、化療治療;④既往無肺癌或其他惡性腫瘤病史;⑤結(jié)節(jié)內(nèi)無空洞且未與胸膜或膈肌粘連。

      按病理確診時間先后將患者分為訓練集(前70例)和驗證集(后30例)。訓練集中MIA 31例,IAC 39例;驗證集中MIA 12例,IAC 18例.

      1.2 CT檢查 采用Siemens Somatom Sensation 16、Siemens Somatom Defenition Flash、Toshiba Aquilion 64和GE Discovery 64排CT機。仰臥位掃描,范圍從肺尖至肺底,于深吸氣并屏氣后進行掃描,管電壓120 kV,自動毫安秒技術(shù),螺距0.75~1.50,準直0.625×1.25 mm,F(xiàn)OV 350 mm×350 mm,像素512×512。分別使用標準算法和高分辨算法重建圖像,重建層厚1~3 mm,層間距1~3 mm。

      1.3 圖像分析 由2名分別有20年和10年胸部放射學診斷經(jīng)驗的影像科醫(yī)師在不知曉病理結(jié)果的前提下獨立使用肺窗(窗寬1 500 HU,窗位-600 HU)和縱隔窗(窗寬300 HU,窗位40 HU)觀察圖像,意見不同時經(jīng)協(xié)商達成統(tǒng)一。記錄肺結(jié)節(jié)以下特征:①大小(選取肺窗軸位病灶最大層面,測量長徑和垂直短徑,并取平均值);②密度(非實性結(jié)節(jié)或部分實性結(jié)節(jié));③形態(tài)(規(guī)則或不規(guī)則);④分葉(有或無)。

      1.4 紋理特征分析 采用Matlab 2016軟件提取3D感興趣體積(volume of interest,VOI)和計算影像特征。首先由1名醫(yī)師用軟件自動產(chǎn)生的矩形框定位肺結(jié)節(jié)初始位置,分割軟件自動于選定矩形區(qū)域內(nèi)獲取肺結(jié)節(jié)2D邊界輪廓曲線,再利用連續(xù)多層肺結(jié)節(jié)2D邊界輪廓曲線建立整體肺結(jié)節(jié)的3D邊界區(qū)域。為提高特征的可重復性和魯棒性,加入各向同性重采樣。通過軟件分析肺結(jié)節(jié)3D圖像,共提取8個一階統(tǒng)計特征,56個全局紋理特征,416個灰度共生矩陣(gray-level co-occurrence matrix,GLSZM)相關(guān)特征,416個灰度游程矩陣(gray level run length matrix,GLRLM)相關(guān)特征,合計896個紋理特征。

      1.5 統(tǒng)計學分析 采用SPSS 22.0和R語言統(tǒng)計分析軟件,對計數(shù)資料進行χ2檢驗。采用Kappa檢驗評價2名醫(yī)師對100例CT主觀征象分析的一致性,Kappa值0.6~0.8為一致性較好,Kappa值>0.8為一致性非常好。通過多因素Logistic回歸方法構(gòu)建主觀征象模型。

      隨機選擇20例,采用基于小波能量的活動輪廓模型分割方法[6]和基于區(qū)域的活動輪廓模型分割方法[7]進行分割,獲得2個測試組。采用組間相關(guān)系數(shù)(interclass correlation coefficient,ICC)評估2組數(shù)據(jù)影像特征的組間一致性,ICC>0.75為一致性較好。采用Mann-WhitneyU檢驗分析MIA與IAC間紋理特征的差異,P<0.05為差異有統(tǒng)計學意義。對差異有統(tǒng)計學意義且一致性較好的特征進行多因素Logistic回歸分析,構(gòu)建CT紋理特征模型。

      繪制ROC曲線,以AUC、敏感度、特異度、準確率評價主觀征象模型、紋理特征模型對表現(xiàn)為亞實性肺結(jié)節(jié)的MIA和IAC的診斷效能。采用Delong檢驗比較2個模型AUC的差異,P<0.05為差異有統(tǒng)計學意義。

      2 結(jié)果

      2.1 CT影像學特征對比分析 MIA與IAC患者性別和年齡在訓練集和驗證集中差異均無統(tǒng)計學意義(P均>0.05,表1);MIA與IAC病灶CT影像學特征包括大小、密度、形態(tài)、分葉在訓練集和驗證集中差異均有統(tǒng)計學意義(P均<0.05,表1、圖1~4)。

      2.2 CT主觀征象分析 2名醫(yī)師評價MIA和IAC病灶大小和密度一致性非常好(Kappa=0.840、0.854);形態(tài)和分葉的一致性較好(Kappa=0.754、0.701)。多因素Logistic回歸結(jié)果顯示,密度(P=0.036)為CT主觀征象模型的獨立預測因子(表2)。

      2.3 紋理特征模型構(gòu)建 對896個紋理特征進行統(tǒng)計檢驗,MIA與IAC間差異有統(tǒng)計學意義的紋理特征有4個(P均<0.01)。經(jīng)多因素Logistic回歸分析,選擇GLSZM_ZSN_0.5_1_Equal_8、GLSZM_SZE_0.5_1_Equal_32、GLRLM_RLV_0.5_1.2_Equal_8、GLRLM_LRHGE _1.5_1.2_ Lloyd_32構(gòu)建紋理特征模型(表3)。

      表1 MIA和IAC患者訓練集和驗證集特征比較(例)

      圖1 IAC患者,男,59歲,左肺上葉26.7 mm×23.6 mm部分實性結(jié)節(jié),密度不均勻,形態(tài)不規(guī)則,邊緣可見分葉 圖2 MIA患者,男,74歲,左肺下葉19.6 mm×17.6 mm部分實性結(jié)節(jié),密度欠均勻,形態(tài)欠規(guī)則,邊緣可見淺分葉 圖3 IAC患者,男,63歲,右肺上葉14.7 mm×9.5 mm非實性結(jié)節(jié),密度均勻,形態(tài)規(guī)則,邊緣未見明確分葉 圖4 MIA患者,男,67歲,右肺下葉5.5 mm×3.2 mm非實性結(jié)節(jié),密度均勻,形態(tài)規(guī)則,邊緣未見分葉

      表2 CT主觀征象模型多因素Logistic回歸分析結(jié)果

      表3 紋理特征模型多因素Logistic回歸分析結(jié)果

      2.4 主觀征象模型、紋理特征模型性能比較 CT主觀征象模型、紋理特征模型鑒別診斷表現(xiàn)為亞實性肺結(jié)節(jié)的MIA和IAC的效能見表4。在訓練集和驗證集中,主觀征象模型與紋理特征模型的AUC差異均有統(tǒng)計學意義(Z=3.331、2.544,P=0.001、0.011)。

      3 討論

      CT上表現(xiàn)為亞實性結(jié)節(jié)的肺腺癌的影像學特征,如大小、密度、分葉等,可反映其浸潤程度[8],但受結(jié)節(jié)邊界模糊、內(nèi)部密度不均勻等因素影響,評價亞實性肺結(jié)節(jié)及浸潤程度有一定困難,且存在經(jīng)驗性和主觀性,年輕醫(yī)師尤其難于掌握。Lee等[9]提出基于CT主觀征象的9個特征區(qū)分磨玻璃結(jié)節(jié)型AAH和AIS;Chae等[10]提取直方圖和紋理等22個特征,對部分實性肺結(jié)節(jié)型AAH和AIS進行區(qū)分;Jin等[11]提出利用9個常規(guī)CT主觀征象特征區(qū)分非實性肺結(jié)節(jié)的AIS和MIA。但目前利用計算機輔助技術(shù)對亞實性肺結(jié)節(jié)MIA和IAC進行區(qū)分的相關(guān)研究較少。本研究選擇4個CT主觀征象(密度、大小、分葉、形態(tài))和紋理特征,分別構(gòu)建相應分析模型,分析CT主觀征象模型、紋理特征模型鑒別診斷表現(xiàn)為亞實性結(jié)節(jié)的MIA和IAC的效能。

      3.1 CT主觀征象的診斷效能 本組2名醫(yī)師對MIA和IAC的大小和密度表現(xiàn)出非常好的一致性(Kappa=0.840、0.854),但多因素Logistic回歸分析發(fā)現(xiàn)僅密度征象(P=0.036)為CT主觀征象模型的獨立預測因子。另外,形態(tài)和分葉的一致性雖然較好(Kappa=0.754、0.701),但差異均無統(tǒng)計學意義,提示亞實性結(jié)節(jié)內(nèi)部出現(xiàn)視覺可辨的實性成分時更傾向于IAC,與既往研究[12-14]結(jié)果一致。而對于非實性結(jié)節(jié),難以通過視覺定量特征評估其內(nèi)部密度變化,且基于視覺特征評估肺結(jié)節(jié)形態(tài)學表現(xiàn)具有主觀不穩(wěn)定性,不同觀察者間存在差異[15]。van Riel等[16]報道,對亞實性肺結(jié)節(jié)進行主觀評價時,大小和密度在不同觀察者間和觀察者內(nèi)均存在明顯分歧。

      3.2 CT紋理特征的診斷效能 對紋理特征模型進行多因素Logistic回歸研究[17]結(jié)果顯示,MIA與IAC間GLRLM中LRHGE和RLV差異有統(tǒng)計學意義(P均<0.05),即圖像中高灰度值區(qū)域中粗紋理較多,提示癌細胞積聚程度較高;病理圖像也顯示IAC中癌細胞數(shù)總量增加,排列緊密,細胞間質(zhì)減少。本研究利用ROC曲線分析對比CT主觀征象模型和紋理特征模型,無論在訓練集還是驗證集,紋理特征模型的準確率、敏感度均高于CT主觀特征模型,其AUC分別為0.94(訓練集)和0.97(驗證集),高于CT主觀征象模型(均為0.75),差異有統(tǒng)計學意義,提示CT紋理特征模型的預測效能高于主觀征象模型,有利于鑒別表現(xiàn)為亞實性結(jié)節(jié)的MIA和IAC[18]。

      本研究的局限性:①為回顧性研究,可能存在樣本選擇性偏倚;②驗證集樣本有限,可能存在過評估,需擴大驗證集樣本進一步驗證;③僅對肺腺癌結(jié)節(jié)、未對其他病理類型肺癌進行研究。

      總之,對于亞實性肺結(jié)節(jié),CT紋理特征分析方法可較好地鑒別診斷MIA和IAC,有助于術(shù)前選擇手術(shù)方案及預后評估。

      表4 CT主觀征象模型和紋理特征模型對表現(xiàn)為亞實性肺結(jié)節(jié)的MIA和IAC的診斷效能

      猜你喜歡
      分葉征象實性
      產(chǎn)前超聲間接征象在部分型胼胝體發(fā)育不全診斷中的價值
      胰腺實性漿液性囊腺瘤1例
      橈側(cè)副動脈分葉穿支皮瓣修復手部不規(guī)則創(chuàng)面△
      單微導管分區(qū)成藍技術(shù)栓塞顱內(nèi)分葉狀破裂動脈瘤體會
      實時超聲彈性成像診斷甲狀腺實性結(jié)節(jié)的價值
      Ki-67、p53、CerbB-2表達與乳腺癌彩色超聲征象的關(guān)系
      癌癥進展(2016年11期)2016-03-20 13:16:03
      胰腺實性假乳頭狀瘤14例臨床診治分析
      一期分葉髂腹股溝皮瓣修復兒童多手指皮膚缺損
      周圍型肺癌CT征象及組織病理學類型對照分析
      分葉征在孤立性肺結(jié)節(jié)CT診斷中的價值
      芒康县| 文成县| 湟中县| 柏乡县| 石嘴山市| 兖州市| 古浪县| 五指山市| 邹平县| 和硕县| 绥阳县| 庐江县| 宁陵县| 射洪县| 五指山市| 招远市| 淄博市| 静海县| 三原县| 盐亭县| 南漳县| 平定县| 尖扎县| 杭州市| 安岳县| 浦东新区| 长子县| 新沂市| 察雅县| 紫云| 信阳市| 南部县| 永清县| 塔河县| 西藏| 田林县| 龙里县| 乌鲁木齐县| 吐鲁番市| 南城县| 洪江市|