18F-FDG PET圖像紋理分析的研究進(jìn)展

于 鵬田嘉禾

18F-FDG PET圖像紋理分析的研究進(jìn)展

于 鵬1，2田嘉禾1

PET/CT作為新一代核醫(yī)學(xué)影像診斷技術(shù)，將功能信息與解剖結(jié)構(gòu)相結(jié)合，實(shí)現(xiàn)了PET圖像和CT圖像同機(jī)融合，極大地提高了臨床診斷水平[1]。目前臨床工作中，多數(shù)醫(yī)師結(jié)合CT征象與標(biāo)準(zhǔn)攝取值（standard uptake value, SUV）對(duì)疾病進(jìn)行診斷[2]。腫瘤內(nèi)的18F-FDG攝取是由多種因素構(gòu)成的，包括細(xì)胞成分、增殖、血管生成、壞死及缺氧等。每個(gè)因素都獨(dú)立地反映腫瘤具有更強(qiáng)的侵襲性、更差的治療反應(yīng)及預(yù)后。然而，僅憑借SUV值并不能完整地反映腫瘤內(nèi)部各種復(fù)雜的信息，如某些分化較好的腫瘤攝取并不明顯、炎癥組織也會(huì)出現(xiàn)放射性攝取等[3,4]。

紋理分析是近年新出現(xiàn)的一種評(píng)估醫(yī)學(xué)圖像中腫瘤內(nèi)部異質(zhì)性的工具。18F-FDG PET圖像所表達(dá)的腫瘤異質(zhì)性信息能夠更好地反映腫瘤組織的特點(diǎn)，并且更準(zhǔn)確地對(duì)治療反應(yīng)進(jìn)行預(yù)測(cè)以延長(zhǎng)患者的生存時(shí)間[5-12]。目前，在對(duì)比增強(qiáng)CT及MRI領(lǐng)域已有許多關(guān)于紋理分析方面的文獻(xiàn)，但在PET方面的價(jià)值則處于初步研究階段。本文對(duì)目前關(guān)于18F-FDG PET圖像紋理分析方面的研究進(jìn)行分析，以便進(jìn)一步探索其在臨床應(yīng)用中的潛能。

1 紋理分析

紋理分析是一種描述體素、像素間灰度強(qiáng)度關(guān)系或者其在圖像中的位置關(guān)系的數(shù)學(xué)算法，其優(yōu)點(diǎn)在于能夠發(fā)現(xiàn)人們?nèi)庋鬯荒馨l(fā)現(xiàn)的圖像細(xì)節(jié)信息（圖1），而且它是一種基于后處理技術(shù)得到的定量參數(shù)，故在獲取數(shù)據(jù)的過(guò)程中可以很好地進(jìn)行標(biāo)準(zhǔn)化。

有許多紋理特征可以對(duì)腫瘤內(nèi)部的異質(zhì)性進(jìn)行描述[10,13]。紋理參數(shù)可以通過(guò)數(shù)據(jù)法、模型法或轉(zhuǎn)化法獲得。數(shù)據(jù)法是最常用的方法[14,15]，其通過(guò)計(jì)算在圖像中每個(gè)像素的局部特征并根據(jù)局部特征的空間分布獲得參數(shù)。這種算法分為一階（單體素）、二階（雙體素）及高階（3個(gè)以上體素）等幾種方法。

一階描述的是總體紋理特征，即感興趣區(qū)內(nèi)的灰度頻度分布情況，基于直方圖分析方法，包括平均、最小及最大強(qiáng)度，標(biāo)準(zhǔn)差，偏度及峰度。二階描述局部紋理特征主要應(yīng)用空間灰度依屬法（SGLDM）或者共生矩陣，這些矩陣描述一個(gè)像素的強(qiáng)度i與另一個(gè)像素的強(qiáng)度j之間的關(guān)系，主要包括熵、能量、對(duì)比度、同質(zhì)性、異質(zhì)性及相關(guān)性。高階是應(yīng)用相鄰灰度差分矩陣描述圖像局部特征[10,16]。由NGTDMs獲得的局部特征基于每個(gè)體素及其鄰近體素間的差異，是最接近于人工判讀經(jīng)驗(yàn)的方法[16]。例如，粗糙度是一個(gè)局部紋理參數(shù)，其與圖像的顆粒度類(lèi)似，描述了圖像最基本的紋理特性。對(duì)比度描述的是一個(gè)圖像內(nèi)強(qiáng)度的動(dòng)態(tài)變化范圍及局部強(qiáng)度的差異，頻度描述的是圖像內(nèi)強(qiáng)度的變化速率[8,16]。高階區(qū)域特征可以依據(jù)體素排列及灰度范圍矩陣計(jì)算得出，反映了區(qū)域內(nèi)強(qiáng)度的變化或同質(zhì)區(qū)域的分布情況[10]。

圖1 紋理分析圖像。PET圖像內(nèi)肉眼所觀察不到的信息，使用計(jì)算機(jī)圖像分析技術(shù)，將圖片中代謝分布的不均勻性轉(zhuǎn)化為定量參數(shù)，以量化不同病灶的差異性

218F-FDG PET圖像紋理分析

在分子影像及個(gè)性化診斷的時(shí)代，用于診斷的圖像生物學(xué)參數(shù)必須是客觀的、定量的、準(zhǔn)確的、具有可重復(fù)性的，才具有實(shí)際的臨床應(yīng)用價(jià)值。SUV是18F-FDG PET報(bào)告中最常用的診斷參數(shù)，常應(yīng)用于腫瘤的良惡性診斷、分期及預(yù)后評(píng)估。然而，SUV僅僅反映了圖像中單個(gè)像素內(nèi)腫瘤的代謝信息，不能準(zhǔn)確地反映腫瘤完整的生物學(xué)信息。PET紋理分析是最近新出現(xiàn)的PET圖像分析方法，可以完整地分析整個(gè)病灶內(nèi)的細(xì)節(jié)信息，其在對(duì)實(shí)體腫瘤的預(yù)后預(yù)測(cè)、治療反應(yīng)評(píng)估及術(shù)前對(duì)腫瘤分期的預(yù)測(cè)方面具有一定的價(jià)值，且在腫瘤預(yù)后方面的相關(guān)性?xún)?yōu)于SUV[5-10]。

PET圖像上所能觀察到的只是放射性濃聚影，然而對(duì)濃聚影的分布、強(qiáng)度以及放射性分布的均勻性、一致性和腫瘤內(nèi)部放射性分布強(qiáng)弱等難以給出量化分析。PET的圖像紋理分析是通過(guò)一定的方法把這些圖像紋理特征提取出來(lái)，并與臨床結(jié)合，發(fā)揮其在腫瘤診斷和治療中的作用。

盡管PET圖像紋理分析能夠提供病灶較全面的細(xì)節(jié)信息，但也有其局限性。PET的空間分辨率較低，其單一體素邊長(zhǎng)為5 mm，難以對(duì)體積較小的腫塊進(jìn)行分析。在診斷過(guò)程中紋理分析的準(zhǔn)確性與圖像的質(zhì)量有關(guān)。圖像采集、重建及圖像質(zhì)量參數(shù)如噪聲、運(yùn)動(dòng)偽影及層厚都很重要。這些因素都會(huì)不同程度地影響紋理分析的結(jié)果，因此紋理特征參數(shù)要根據(jù)不同的圖像模型來(lái)進(jìn)行選擇。

還有一些需要仔細(xì)評(píng)估的因素是感興趣區(qū)的勾畫(huà)方法及觀察者的個(gè)體差異。初步研究顯示一些紋理參數(shù)的重復(fù)性與SUV相當(dāng)甚至更好[17]，但是還需要研究紋理參數(shù)是否會(huì)像SUV一樣受藥物注射與采集時(shí)間的影響[18]。

從有關(guān)紋理特征的醫(yī)學(xué)影像方面報(bào)道來(lái)看，人們對(duì)18F-FDG PET圖像在腫瘤方面的紋理分析越來(lái)越感興趣。由于這是一個(gè)新出現(xiàn)的概念，所以針對(duì)18F-FDG PET圖像紋理分析的研究較少，既往發(fā)表的相關(guān)文獻(xiàn)分析見(jiàn)表1。

3 紋理分析的應(yīng)用價(jià)值

3.1 診斷方面價(jià)值 由NGTDMs獲得的紋理參數(shù)，如粗糙度、對(duì)比度、頻度[16]，具有區(qū)分頭頸癌原發(fā)及轉(zhuǎn)移病灶與正常組織的能力[7]。原發(fā)及轉(zhuǎn)移病灶與正常組織相比具有較低的粗糙度及頻度，但有較高的對(duì)比度。Yu等[8]研究了20例頭頸癌及20例非小細(xì)胞肺癌患者，在18F-FDG PET圖像上人為劃分正常與腫瘤組織，發(fā)現(xiàn)由NGTDMs獲得的紋理參數(shù)如PET粗糙度、PET對(duì)比度及CT粗糙度具體較好的分辨力，并且可以提高選擇放射治療靶區(qū)的準(zhǔn)確性。

王長(zhǎng)梅等[19]選擇基于鄰域灰度差矩陣的一些紋理參數(shù)對(duì)肺腫瘤的鑒別進(jìn)行研究，發(fā)現(xiàn)將18F-FDG PET圖像紋理特征與診斷醫(yī)師的先驗(yàn)知識(shí)結(jié)合起來(lái)能夠明顯提高肺部腫塊良惡性的診斷靈敏度，并且肺癌與良性腫瘤相比具有較低的粗糙度、對(duì)比度及頻度。

表1 關(guān)于18F-FDG PET圖像紋理分析的文獻(xiàn)及其觀點(diǎn)

3.2 預(yù)測(cè)預(yù)后的價(jià)值 紋理參數(shù)較SUV參數(shù)對(duì)治療反應(yīng)及生存期具有更好的預(yù)測(cè)價(jià)值。Eary等[9]回顧性研究了234例軟組織肉瘤患者在新輔助化療或外科治療前18F-FDG PET圖像的腫瘤異質(zhì)性，發(fā)現(xiàn)腫瘤的異質(zhì)性是生存期的獨(dú)立預(yù)測(cè)指標(biāo)，SUVmax對(duì)患者的生存期不具有預(yù)測(cè)價(jià)值。EI Naqa等[11]研究了一階及二階紋理特征對(duì)9例頭頸癌及14例宮頸癌患者的預(yù)后預(yù)測(cè)價(jià)值，發(fā)現(xiàn)紋理特征能夠反映腫瘤內(nèi)的微環(huán)境特點(diǎn)，并與治療抵抗有一定的相關(guān)性。

Tixier等[10]回顧性研究了41例聯(lián)合放化療的食管癌患者，使用貝葉斯算法自動(dòng)勾畫(huà)腫瘤范圍，并且只研究腫瘤原發(fā)灶，由同一腫塊計(jì)算得到SUVmax、SUVpeak、SUVmean）及38項(xiàng)紋理參數(shù)。抽檢特性曲線(xiàn)分析發(fā)現(xiàn)紋理分析較SUV參數(shù)對(duì)區(qū)分放化療療效具有更好的靈敏度。由共生矩陣得到的紋理特征能夠很好地區(qū)分無(wú)效及部分有效，因此可以在治療前對(duì)患者進(jìn)行分類(lèi)。

Vaidya等[12]分析了27例非小細(xì)胞肺癌局部治療失敗患者治療前的18F-FDG PET/CT圖像，提取了32項(xiàng)基于SUV或CT值的腫瘤局部特征，包括強(qiáng)度-體積直方圖及紋理特征參數(shù)，發(fā)現(xiàn)強(qiáng)度-體積直方圖的變化與局部復(fù)發(fā)密切相關(guān)，并且PET與CT的多模態(tài)紋理特征對(duì)非小細(xì)胞肺癌的放療后復(fù)發(fā)具有一定的預(yù)測(cè)價(jià)值。

3.318F-FDG PET圖像的組織學(xué)基礎(chǔ) 盡管有許多結(jié)構(gòu)及功能圖像的紋理特征與癌癥的鑒別診斷、療效預(yù)測(cè)及生存期相關(guān)，但對(duì)于腫瘤的生物學(xué)基礎(chǔ)與紋理特征之間的關(guān)系尚不清楚。

Henriksson等[5]采用頭頸鱗狀細(xì)胞癌異種移植的裸鼠模型研究18F-FDG攝取與腫瘤內(nèi)異質(zhì)性的關(guān)系，發(fā)現(xiàn)局部存在50%以上腫瘤細(xì)胞組織的18F-FDG攝取明顯高于存在更多間質(zhì)及壞死的組織，表明腫瘤內(nèi)18F-FDG攝取的不同與組織病理相關(guān)，并且PET圖像上示蹤劑攝取的變化是由腫瘤內(nèi)不同組織成分的分布性差異所決定的。

另外一種假說(shuō)認(rèn)為，圖像內(nèi)異質(zhì)性的增加與腫瘤局部的細(xì)胞構(gòu)成、增殖、無(wú)氧、血管生成及壞死有關(guān)[10,20]，是具有更強(qiáng)侵襲性及較差治療反應(yīng)與預(yù)后的獨(dú)立因素。然而，之前描述的多種紋理參數(shù)與腫瘤生物學(xué)特性及異質(zhì)性之間的關(guān)系只是單純的相關(guān)。例如，CT紋理特征與異質(zhì)性的增加相關(guān)，包括熵的增加或均一性的減低，提示較差的治療反應(yīng)及生存期[21-23]；頭頸癌腫塊及結(jié)節(jié)與正常組織相比，具有較低的粗糙度、頻度及較高的對(duì)比度[8]。紋理特征與組織特點(diǎn)之間的關(guān)系復(fù)雜，并且紋理特征的結(jié)果不能簡(jiǎn)單地認(rèn)為是圖像的同質(zhì)或異質(zhì)。因此，需要進(jìn)一步研究不同顯像模式的紋理特征及與PET示蹤劑相關(guān)的可以影響圖像紋理的組織病理學(xué)特征，包括血管生成、缺氧、增殖等。

4 結(jié)束語(yǔ)

醫(yī)學(xué)圖像與人們現(xiàn)在的認(rèn)知相比，包含更多有用的信息，這些描述及量化體素強(qiáng)度空間分布的額外信息（紋理特征）可以很容易地從傳統(tǒng)醫(yī)學(xué)影像、18F-FDG 或其他示蹤劑的PET圖像中提取。CT及MRI的紋理特征具有診斷組織特點(diǎn)、預(yù)測(cè)治療反應(yīng)及生存期的能力。功能圖像18F-FDG PET的紋理分析具有類(lèi)似的能力，但其生物學(xué)機(jī)制尚不清楚。以后需要進(jìn)一步研究18F-FDG PET圖像紋理的生物學(xué)基礎(chǔ)，并在不同類(lèi)型腫瘤上進(jìn)行驗(yàn)證，以及是否其他示蹤劑如11C-、18F膽堿、反映腫瘤增殖方面的18F-胸腺嘧啶核苷、血管生成或缺氧標(biāo)記物等的紋理特征能夠得到類(lèi)似的結(jié)果。

現(xiàn)在對(duì)18F-FDG PET圖像的紋理特征研究還處在初級(jí)階段，尚未廣泛應(yīng)用于臨床工作中，所以還需要更多關(guān)于此方面的研究。通過(guò)紋理特征尋找更強(qiáng)大的生物標(biāo)記是為了能夠?qū)崿F(xiàn)個(gè)體化醫(yī)療，達(dá)到非創(chuàng)傷性分子及基因水平的診斷。

[1] 張祖進(jìn), 李輝, 郭召平, 等. PET/CT的技術(shù)性能及臨床應(yīng)用.醫(yī)療衛(wèi)生裝備, 2007, 28(10): 59-60, 62.

[2] 劉欣, 陳萍, 陳仰純, 等. 結(jié)合PET/CT中CT征象與18F-FDG最大SUV值提高診斷肺癌水平之方法學(xué)研究. 中國(guó)醫(yī)學(xué)影像學(xué)雜志, 2008, 16(4): 246-249.

[3] Dehdashti F, Mortimer JE, Trinkaus K, et al. PET-based estradiol challenge as a predictive biomarker of response to endocrine therapy in women with estrogen-receptor-positive breast cancer. Breast Cancer Res Treat, 2009, 113(3): 509-517.

[4] Mac Manus MP, Ding Z, Hogg A, et al. Association between pulmonary uptake of fluorodeoxyglucose detected by positron emission tomography scanning after radiation therapy for non-smallcell lung cancer and radiation pneumonitis. Int J Radiat Oncol Biol Phys, 2011, 80(5): 1365-1371.

[5] Henriksson E, Kjellen E, Wahlberg P, et al. 2-Deoxy-2-[18F] fluoro-D-glucose uptake and correlation to intratumoral heterogeneity. Anticancer Res, 2007, 27(4B): 2155-2159.

[6] Van Velden FH, Cheebsumon P, Yaqub M, et al. Evaluation of a cumulative SUV-volume histogram method for parameterizing heterogeneous intratumoural FDG uptake in non-small cell lung cancer PET studies. Eur J Nucl Med Mol Imaging, 2011, 38(9): 1636-1647.

[7] Yu H, Caldwell C, Mah K, et al. Automated radiation targeting in head-and-neck cancer using region-based texture analysis of PET and CT images. Int J Radiat Oncol Biol Phys, 2009, 75(2): 618-625.

[8] Yu H, Caldwell C, Mah K, et al. Coregistered FDG PET/CT-based textural characterization of head and neck cancer for radiation treatment planning. IEEE Trans Med Imaging, 2009, 28(3): 374-383.

[9] Eary JF, O'sullivan F, O'sullivan J, et al. Spatial heterogeneity in sarcoma 18F-FDG uptake as a predictor of patient outcome. J Nucl Med, 2008, 49(12): 1973-1979.

[10] Tixier F, Le Rest CC, Hatt M, et al. Intratumor heterogeneity characterized by textural features on baseline 18F-FDG PET images predicts response to concomitant radiochemotherapy in esophageal cancer. J Nucl Med, 2011, 52(3): 369-378.

[11] El Naqa I, Grigsby P, Apte A, et al. Exploring feature-based approaches in PET images for predicting cancer treatment outcomes. Pattern Recognit, 2009, 42(6): 1162-1171.

[12] Vaidya M, Creach KM, Frye J, et al. El Naqa I.Combined PET image characteristics for radiotherapy tumor response in lung cancer. Radiother Oncol, 2012, 102(2): 239-245.

[13] Castellano G, Bonilha L, Li LM, et al. Texture analysis of medical images. Clin Radiol, 2004, 59(12): 1061-1069.

[14] Al-Kadi OS, Watson D. Texture analysis of aggressive and nonaggressive lung tumor CE CT images. IEEE Trans Biomed Eng, 2008, 55(7): 1822-1830.

[15] Ganeshan B, Miles KA, Young RC, et al. Hepatic entropy and uniformity: additional parameters that can potentially increase the effectiveness of contrast enhancement during abdominal CT. Clin Radiol, 2007, 62(8): 761-768.

[16] Amadasun M, King R. Textural features corresponding to textural properties. IEEE Trans Syst Man Cybern, 1989, 19(5): 1264-1274.

[17] Tixier F, Hatt M, Le Rest CC, et al. Reproducibility of tumor uptake heterogeneity characterization through textural feature analysis in 18F-FDG PET. J Nucl Med, 2012, 53(5): 693-700.

[18] Lodge MA, Lucas JD, Marsden PK, et al. A pet study of 18FDG uptake in soft tissue masses. Eur J Nucl Med, 1999, 26(1): 22-30.

[19] 王長(zhǎng)梅, 管一暉, 張文強(qiáng), 等. PET/CT顯像聯(lián)合融合圖像紋理特征分析在肺癌鑒別診斷中的應(yīng)用價(jià)值探討. 中國(guó)醫(yī)學(xué)計(jì)算機(jī)成像雜志, 2010, 16(2): 147-151.

[20] Ganeshan B, Goh V, Mandeville HC, et al. Non-small cell lung cancer: histopathological correlates for texture parameters at CT. Radiology, 2013, 266(1): 326-336 .

[21] Goh V, Ganeshan B, Nathan P, et al. Assessment of response to tyrosine kinase inhibitors in metastatic renal cell cancer: CT texture as a predictive biomarker. Radiology, 2011, 261(1): 165-171.

[22] Ganeshan B, Skogen K, Pressney I, et al. Tumour heterogeneity in oesophageal cancer assessed by CT texture analysis: preliminary evidence of an association with tumour metabolism, stage, and survival. Clin Radiol, 2012, 67(2): 157-164.

[23] Ganeshan B, Panayiotou E, Burnand K, et al. Tumour heterogeneity in non-small cell lung carcinoma assessed by CT texture analysis: a potential marker of survival. Eur Radiol, 2012, 22(4): 796-802.

正電子發(fā)射斷層顯像術(shù)；體層攝影術(shù)，X線(xiàn)計(jì)算機(jī)；氟脫氧葡萄糖F18；圖像處理，計(jì)算機(jī)輔助；腫瘤；綜述

2014-04-22 【修回日期】2014-07-11

（本文編輯 張春輝）

R445.6

1.解放軍總醫(yī)院核醫(yī)學(xué)科 北京 100853；2.武警后勤學(xué)院附屬醫(yī)院 天津 300162

田嘉禾 E-mail: tianjh@vip.sina.com

10.3969/j.issn.1005-5185.2014.09.019