超聲圖像紋理分析在鑒別良惡性乳腺結(jié)節(jié)中的價值

顧悅凡

【摘 要】目的：探討超聲圖像紋理分析在鑒別乳腺良惡性結(jié)節(jié)中的作用。方法：回顧性分析經(jīng)穿刺活檢或手術(shù)病理證實的乳腺良惡性結(jié)節(jié)共92例的超聲影像學(xué)資料，其中良性40例，惡性52例。使用Image J軟件手動勾畫結(jié)節(jié)感興趣區(qū)（ROI），進行GLCM紋理分析，獲得5個參數(shù)：角二階矩、對比度、相關(guān)、逆差距和熵。使用Mann-WhitneyU檢驗比較各個參數(shù)在良性組和惡性組之間的差異。采用ROC曲線分析有統(tǒng)計學(xué)意義的參數(shù)對兩者的鑒別診斷效能。結(jié)果：良性組的熵值為6.84（6.63，6.99），惡性組的熵值為6.89（6.77，7.13），其差異有統(tǒng)計學(xué)意義，曲線下面積（AUC）為0.623。兩組間角二階矩、對比度、相關(guān)、逆差距差異無統(tǒng)計學(xué)意義。結(jié)論：超聲圖像紋理分析中CLCM熵值能為乳腺良惡性結(jié)節(jié)的鑒別診斷提供依據(jù)，具有一定的臨床意義。

【關(guān)鍵詞】乳腺疾病；超聲；紋理分析

The value of ultrasound image texture analysis in differentiating benign and malignant breast nodules

GuYuefan Department of ultrasound， Suzhou Hospital Affiliated to Nanjing Medical University， Jiangsu Suzhou 215000，China

【Abstract】Objective： To explore the value of ultrasound image texture analysis in the differential diagnosis of benign and malignant breast nodules. Methods： Retrospectively analyzed the ultrasound image data of 92 cases of benign and malignant breast nodules confirmed by biopsy or surgical pathology， of which 40 were benign and 52 were malignant. Using Image J software to manually outline the nodule region of interest（ROI）， perform GLCM texture analysis， and obtain five parameters of angle second moment， contrast， correlation， inverse difference moment and entropy. The Mann-Whitney U test was used to compare the differences in parameters between the benign and malignant groups. The ROC curve was used to analyze the diagnostic power of statistically significant parameters for the differential diagnosis of the two. Results： The entropy value of the benign group was 6.84 （6.63， 6.99）， and the entropy value of the malignant group was 6.89 （6.77， 7.13）， the difference was statistically significant， and the AUC was 0.623. There was no statistically significant difference in angle second moment， contrast， correlation， and inverse difference moment between the two groups. Conclusion： The CLCM entropy value in the ultrasound image texture analysis can provide a basis for the differential diagnosis of benign and malignant breast nodules， which has certain clinical significance.

【Key？Words】Breast disease； Ultrasound； Texture analysis

乳腺癌是我國女性發(fā)病率最高的惡性腫瘤[1]。目前對于乳腺癌常規(guī)采用超聲作為篩查手段，但乳腺良惡性病變在影像學(xué)表現(xiàn)上具有一定的相似性，導(dǎo)致部分患者需接受穿刺活檢或手術(shù)切除，給患者造成了痛苦。Haralick等[2]于1973年提出用灰度共生矩陣（gray level co-occurrence matrix，GLCM）來描述紋理特征。GLCM通過研究灰度的空間相關(guān)特性來描述紋理，可提供醫(yī)學(xué)圖像中肉眼無法察覺的客觀信息，具備潛在的臨床應(yīng)用價值。即有研究顯示，在良惡性腫瘤鑒別、術(shù)前評估及療效評價方面有較高的效能[3-4]。本文則是基于灰階超聲圖像，采用GLCM方法進行紋理分析，探討其在乳腺良惡性結(jié)節(jié)鑒別中診斷的價值。

1 資料與方法

1.1 研究對象

回顧性分析2019年1月至12月于我院經(jīng)穿刺活檢或手術(shù)切除病理證實的乳腺疾病患者的超聲圖像資料。納入標(biāo)準(zhǔn)：（1）DICOM格式圖像；（2）圖像清晰，無明顯偽影。共納入92例患者，均為女性，其中良性組40例，年齡20歲～64歲，平均年齡（48.57±14.05）歲；惡性組52例，年齡35歲～85歲，平均年齡（49.03±13.93）歲。

1.2 檢查方法 采用邁瑞Resona 7彩色多普勒超聲診斷儀，選用L11-3U探頭，探頭頻率為5MHz～14MHz，選取乳腺條件?；颊哐雠P，暴露乳腺、兩側(cè)腋窩。采用放射狀掃查及縱橫掃查，選取結(jié)節(jié)或腫塊最大切面留存圖像。

1.3 圖像分析

圖像導(dǎo)入ImageJ軟件進行分析。由一位具有兩年工作經(jīng)驗的超聲醫(yī)師手動沿病灶邊緣進行勾畫（見圖1），作為感興趣區(qū)（region of interest，ROI）。GLCM紋理分析插件采用默認值，圖像類型設(shè)置為8 bit，像素間距（d）=1，方向（q）=0°。由ImageJ軟件計算得出5個紋理參數(shù)，分別為角二階矩、對比度、相關(guān)、逆差距和熵。

1.4 統(tǒng)計學(xué)分析

使用SPSS 26.0統(tǒng)計學(xué)軟件進行數(shù)據(jù)分析。對各參數(shù)進行正態(tài)分布檢驗和方差齊性分析，正態(tài)分布參數(shù)以（χ±s）表示，非正態(tài)分布資料采用M（P25，P75）表示。使用Mann-Whitney U檢驗比較兩組病例超聲圖像GLCM參數(shù)的差異。采用受試者工作特征（receiver operating characteristic，ROC）曲線分析有統(tǒng)計學(xué)意義的參數(shù)診斷兩者的效能。以P<0.05為差異有統(tǒng)計學(xué)意義。

2 結(jié)果

2.1 GLCM紋理參數(shù)分析結(jié)果

對分析所得的五組參數(shù)行正態(tài)分布檢驗和方差齊性分析，結(jié)果顯示兩組患者的角二階矩、對比度、相關(guān)、逆差距和熵均未同時滿足正態(tài)分布及方差齊性。

使用Mann-Whitney U檢驗對兩組患者GLCM的 5個參數(shù)進行比較，其中熵值的差異有統(tǒng)計學(xué)意義，見表1。

2.2 GLCM紋理參數(shù)的ROC曲線分析結(jié)果

對兩組間差異有統(tǒng)計學(xué)意義的參數(shù)熵值進一步行ROC曲線分析，曲線下面積（area under the curve，AUC）、最佳臨界值、敏感度和特異度見表2、圖2。

3 討論

在乳腺良惡性結(jié)節(jié)的超聲表現(xiàn)存在一定重疊，為明確診斷，部分患者進行了不必要的穿刺活檢或手術(shù)。因此，目前亟需一種能夠無創(chuàng)鑒別乳腺良惡性結(jié)節(jié)的新技術(shù)。

物體表面物理屬性的差異引起灰度或顏色變化，即為紋理。對人來說，紋理雖然很容易從直觀上區(qū)分，但卻很難用精準(zhǔn)的數(shù)學(xué)公式來表述。紋理分析則解決了這一問題，它提取出紋理特征參數(shù)，進而可以定性或定性定量的描述紋理[5]。GLCM作為一種常用紋理分析方法，用灰度的空間分布表征紋理，被廣泛應(yīng)用于醫(yī)學(xué)圖像的分析中[6-9]。

本研究采用GLCM紋理分析的方法對乳腺良惡性結(jié)節(jié)的超聲圖像進行定量分析，評估乳腺腫瘤的異質(zhì)性，對兩者進行鑒別診斷，為臨床決策提供參考。結(jié)果顯示熵值有助于鑒別乳腺良惡性結(jié)節(jié)，而角二階矩、對比度、相關(guān)和逆差距在兩者間差異無統(tǒng)計學(xué)意義。理論上，熵值代表圖像灰度分布的復(fù)雜程度，圖像越復(fù)雜，熵值越大，提示腫瘤的異質(zhì)性越強，這可以解釋我們的結(jié)果，與其他學(xué)者對于乳腺、肝臟良惡性病變的鑒別研究結(jié)果相似[10-11]。

本研究的不足：（1）本研究納入的樣本量較少。（2）僅提取5個GLCM定量參數(shù)，未建立預(yù)測模型。（3）未比較超聲圖像紋理分析參數(shù)與常規(guī)超聲診斷效能的差異。

綜上所述，超聲圖像紋理分析對乳腺結(jié)節(jié)良惡性結(jié)節(jié)的鑒別診斷有一定的臨床意義，提供了一種鑒別乳腺良惡性結(jié)節(jié)的新思路和新方法。

參考文獻

[1] CHEN Wanqing，ZHENG Rongshou，BAADE P D，et al.Cancer Statistics in China， 2015[J].CA：A cancer journal for clinicians，2016，66（2）：115-132.

[2] HARALICK R M，SHNMUGAM K，DINSTEIN I.Textural Features for Image Classification[J]. Studies in Media and Communication，1973，SMC-3（6）：610-621.

[3] 遲淑萍.CT圖像紋理分析在鑒別良惡性肺結(jié)節(jié)中的價值[J].實用放射學(xué)雜志，2016，32（11）：1789-1792.

[4] HORVAT N，VEERARAGHAVAN H，KHAN M，et al.MR Imaging of Rectal Cancer： Radiomics Analysis to Assess Treatment Response after Neoadjuvant Therapy[J]. Radiology，2018，287（3）：833-843.

[5] TOMITA F，TSUJI S.Computer Analysis of Visual Textures[M].Springer，Boston，MA，1990-1-1.

[6] 楊韜，夏建國，繆錦林，等.基于灰度共生矩陣的乳腺鉬靶圖像分析[J].中國醫(yī)學(xué)影像學(xué)雜志，2012（4）：306-309.

[7] 李小虎，徐海，徐璐瑤，等.腎臟CT容積紋理分析及機器學(xué)習(xí)相結(jié)合的影像組學(xué)評價腎透明細胞癌病理分級的價值初探[J].中華放射學(xué)雜志，2018，52（5）：344-348.

[8] 鐘熹，江魁明，麥慧，等.基于灰度共生矩陣的MRI紋理分析預(yù)測舌癌患者頸部淋巴結(jié)轉(zhuǎn)移的價值初探[J].中華放射學(xué)雜志，2018，52（9）：649-654.

[9] 宋歌聲，劉文慧，李進葉，等.利用超聲圖像紋理特征鑒別甲狀腺實性結(jié)節(jié)良惡性的研究[J].醫(yī)學(xué)影像學(xué)雜志，2015（4）：612-616.

[10] 張竹偉，華婷，徐婷婷，等.常規(guī)MRI紋理分析鑒別乳腺良、惡性病變的價值初探[J].中華放射學(xué)雜志，2017，51（8）：588-591.

[11] 郭冬梅，邱天爽，康偉，等.基于灰度共生矩陣的大鼠肝細胞癌、肝硬化結(jié)節(jié)超順磁性氧化鐵MR增強圖像紋理特征分析[J].中國醫(yī)學(xué)影像技術(shù)，2010（3）：563-566.