子宫内膜癌(endometrialcancer,EC)是发达国家最常见的妇科恶性肿瘤,中国的EC发病率正在迅速增加[1]。目前,Ⅰ期浅肌层浸润(即Ⅰa期)和深肌层浸润(即Ⅰb期)的治疗方式有所不同。在淋巴结清扫方面,有学者认为,浅肌层浸润不做盆腔淋巴结切除,而深肌层浸润则行盆腔淋巴结清扫;在预后方面,深肌层浸润属于高危因素,发生淋巴结转移的风险及肿瘤复发风险要大得多,尤其是深肌层浸润EC发生淋巴结转移概率更大[2,3],为20%(相对于浅肌层浸润5%)[4]。因此对于Ⅰ期EC肌层浸润深度的判断具有重要意义。MRI检查虽然可以用于诊断EC有无肌层浸犯、肌层浸润深度、宫颈管受侵及淋巴结转移情况,尤其MR矢状位T2WI是显示子宫壁和宫腔的经典序列,但MR鉴别EC肌层浸润深度大多靠诊断医师经验判断,具有主观性。纹理分析恰好提供了一种具有客观性的定量分析方法;纹理分析是利用数学运算的原理来分析图像像素关联性的一种方法,其中灰度共生矩阵(graylevelco-occurrencematrix,GLCM)是最常用的二阶纹理分析方法,若采用GLCM能对Ⅰ期EC肌层浸润深度可以进行评估的话,将为临床对其治疗方法的择取及预后判断提供帮助。本研究,利用矢状位T2WI的GLCM纹理分析方法,旨在探讨其对Ⅰ期EC肌层浸润深度评估价值。

1、资料与方法

1.1一般资料

回顾性分析2012年7月至2018年12月本院经手术后病理证明的ECⅠ期47例患者(包含Ⅰa期即浅肌层浸润,25例;Ⅰb期即深肌层浸润,22例)的临床资料。患者年龄37～75岁,平均年龄(57.8±9.3)岁。绝经前7例,主要临床症状为月经经量增多、周期紊乱;绝经后40例,主要临床病征为不规则阴道出血。根据2015年国际妇产科联盟(FIGO)指南,Ⅰ期EC肿瘤局限于子宫体,其中肿瘤Ⅰa期浸润深度<1/2肌层(即浅肌层),Ⅰb期浸润深度≥1/2肌层(即深肌层)[4]。排除以下情况:①无完备MRI750W平扫+增强图像或者图像质量不佳338例;②子宫壁过薄15例、瘤周有子宫腺肌症13例、子宫肌瘤28例等严重影响纹理特征提取或分析。

1.2仪器与MR扫描方法

采取GEDiscoveryMR750W3.0T型号机器,检查部位行盆腔MRI平扫和增强扫描。嘱患者仰卧位、头先进,扫描范围自脐孔水平至耻骨联合。序列包括常规横断位T1WI、(有或无)常规横断位T2WI、(横断位、矢状位、冠状位)压脂T2WI、(有或无矢状位)横断位DWI(b值=1000s/mm、b值=2000s/mm)、横断位及矢状位压脂LAVA增强序列。矢状位压脂T2WI扫描参数:TR4800.0ms,TE110.5ms,矩阵320×320,层厚、层间距依次为5mm、1mm,FOV范围28cm×28cm。

1.3纹理分析方法

1.3.1图像选择与图像分割

由2名有经验医师共同进行分析,观点不同时,通过协商达成一致意见。选择MRI750W平扫+增强图像,确定肿瘤侵及肌层的位置,用软件ITK-SNAP(3.4.0版本,www.itksnap.org)于矢状位压脂T2WI序列手工勾画受累肌层多层面感兴趣区域(ROI)(逐层勾画≥3层),ROI应在病灶浸润肌层最明显处,范围包括子宫壁全肌层、长度约1cm(图1-2)。

图1Ⅰa期ROI勾画示意图

图2Ⅰb期ROI勾画示意图

1.3.2图像预处理和纹理特征提取

采用软件GE(上海)AK(ArtificialIntelligenceKit,V3.2.0R版本)应用平台图像预处理:重采样采用线性方法,X、Y、Z间距均为1.000;去噪采用高斯0.50;采用MR偏置场校正以消除由于磁场和线圈的不均匀性导致的杂散强度变化;强度标准化采用灰度离散化,期望的最小值、最大值分别为0、255。经过图像预处理(重采样、偏置场校正、强度标准化)得到标准化图像后,最终由AK软件采集GLCM纹理特征共48个,包括8类参数:集群突出(clusterprominence)、集群阴影(clustershade)、相关(correlation)、能量(GLCMenergy)、熵(GLCMentropy)、Haralick相关(Haralickcorrelation)、惯量(inertia)、逆差矩(inversedifferencemoment);6个角度计算:全角、全角SD、0°、45°、90°、135°;步长为1。

1.4统计学方法

通过统计学软件SPSS版本24.0行数据处理,正态分布数据以(x¯±s)表示;非正态分布数据则以中位数(上、下四分位数)表示;Ⅰa期组与Ⅰb期组纹理参数比较选择独立样本t检验(呈正态分布且方差齐)或Mann-WhitneyU检验(呈非正态分布或者方差不齐);组内多参数降维行因子分析[KMO值>0.5,Bartlett's球性检验P<0.05,适合因子分析;主成分分析(principalcomponentanalysis,PCA),特征值设定为>1;旋转选择最大方差法]。经降维处理后的MRI纹理参数应用受试者操作特征(ROC)曲线分析,计算曲线下面积、界值、敏感度、特异度。以P<0.05为差异有统计学意义。

2、结果

2.1Ⅰa期组与Ⅰb期组的GLCM参数比较

3类参数(共13个纹理特征)差异有统计学意义(P<0.05),即相关(全角、0°、45°、90°),惯量(全角、全角SD、0°、45°、90°),逆差矩(全角、0°、45°、90°)。集群突出、集群阴影、能量、熵、Haralick相关差异无统计学意义(P>0.05)(表1)。

表1Ⅰ期EC患者T2WI序列有统计学差异GLCM参数的比较

2.2因子分析的降维结果和ROC分析

当特征值>1时,旋转后为2个主成分,累积贡献率为81.774%。2种主成分中相关(Correlation_angle45_offset1)和惯量(Inertia_AllDirection_offset1)得分分别最高(分别为0.928、0.904)。Correlation_angle45_offset1判断Ⅰb期EC的ROC曲线,曲线下面积为0.756,界值为2.07×10-3,敏感度77.3%,特异度72.0%;Inertia_AllDirection_offset1判断Ⅰa期EC的ROC曲线,曲线下面积为0.718,界值为165.89,敏感度68.0%,特异度63.8%(表2和图3-4)。

3、讨论

EC的预后取决于患者分期、组织学分级、淋巴管空间侵犯、肌层浸润深度、肿瘤组织学类型(浆乳癌和透明细胞癌)、年龄等,在这些因素中,深肌层浸润,即肌层浸润的存在≥50%的子宫肌层厚度,被认为是最重要的[5,6,7]。因此,对于EC肌层浸润深度(即Ⅰa期与Ⅰb期)的判断具有重要意义。纹理分析是一种不以主观的方式定量分析方法,之前已有基于MR成像与随机森林建模[2]等纹理分析相关报道可用于EC肌层浸润的判断,然而采用GLCM纹理分析的方法对EC肌层浸润深度的判断国内文献少有报道。本研究,基于MR矢状位T2WI的GLCM分析,旨在运用GLCM判断EC的肌层浸润深度,将有助于临床医生选择治疗方案和评估预后。

表2GLCM纹理参数旋转后成分矩阵

图3Ⅰa期和Ⅰb期EC之间相关(Correlation_angle45_offset1)的ROC曲线

标准化的预处理流程是保证纹理分析准确性的前提,张竹伟等[8]、虞芯仪等[9]运用纹理分析的软件(如MaZda软件、ImageJ软件),很少具备图像预处理功能,对图像标准化仅有“导出时调整图像的窗宽、窗位”。而本研究运用AK软件对MR图像进行图像预处理(重采样、偏置场校正、强度标准化)和纹理特征提取,得到MR图像体素更加标准化,更加有利于纹理分析。另外,纹理分析优势之一是高通量数据分析,同时带来的困扰是过多的参数计算和分析繁琐,并且很多参数间具有共线性,之前如虞芯仪等[9]的研究未充分作降维。本研究对大量GLCM纹理参数进行因子分析(PCA法),即降维,以达到去冗杂效果,消除纹理参数彼此间的共线性。陈明丽等[10]表示,运用PCA的方法对GLCM原始参数浓缩、降维处理可为临床医师在处理、统计、分析大量繁复数据时提供了一种新思路,也许能够成为提高时效的一种有效而实用的研究工具。可惜的是,目前少有文献报道关于EC宫壁的ROI该如何勾画,本研究ROI采用局部勾画,ROI勾画的层数、ROI的宽度与长度以及肌层浸润状况等因素可能导致纹理提取不全面,而完整的乃至器官的容积ROI会提高对纹理特征的获取,这一点我们将进一步改善。

图4Ⅰa期和Ⅰb期EC之间惯量(Inertia_AllDirection_offset1)的RO

GLCM是纹理分析方法的一种,定义为图像中具有一定距离和角度的两个灰度像素同时出现的概率分布,反映灰度的空间相关特性[11],从而间接反应图像在方向、间隔、变化幅度及快慢的综合信息。相较与其他纹理分析方法,GLCM具有简单、直接等[12]优势,代表性强。本研究,经过AK软件进行GLCM分析和主成分分析后,最终获取13个纹理特征,并降维成两大主成分,相关和逆差矩归为第一主成分,表明相关和逆差矩所反映的内容相似度很高;惯量为第二主成分。

本研究第一主成分表明,EC深肌层浸润(Ⅰb期)比浅肌层浸润(Ⅰa期)的相关和逆差矩的值更高,差异有统计学意义(P<0.05),其代表是相关(Correlation_angle45_offset1),判断Ⅰb期EC的ROC曲线下面积为0.756,界值为2.07×10-3,敏感度77.3%,特异度72.0%。原因是Ⅰb期肿瘤累积肌层≥1/2,结合带受累更严重,在T2WI上原本低信号的结合带模糊或消失而呈等信号,缺乏结合带与深肌层天然对比,反映Ⅰb期较Ⅰa期肌层浸润图像体素更均匀,但随机复杂。谭红娜等[13]研究发现,合并腋窝淋巴结转移的乳腺癌X线图像的相关和逆差矩值较无腋窝淋巴结转移的患者高(P<0.05),表明合并腋窝淋巴结转移的乳腺癌纹理分布更加随机复杂,与本研究结果相似。HOLM等[14]基于增强CT纹理分析的研究显示,肾上腺乏脂质腺瘤的相关值低于肾上腺恶性肿瘤(P<0.05),表明肾上腺恶性肿瘤的相关值更高,与本研究Ⅰb期EC肌层恶性成分受侵更多的结果一致。钟熹等[11]基于舌癌T2WI的GLCM纹理分析结果,无颈部淋巴结转移组逆差矩小于有颈部淋巴结转移组(P<0.05),与本研究相似,说明恶性成分越多,相关和逆差矩的值越高。结合本研究,Ⅰb期EC肿瘤细胞浸润范围更大,导致肌层像素间分布随机性增加,故表现出更高的相关和逆差矩值。通过这种定量测量纹理参数的方法,进而间接反映EC肌层浸润,表明本研究方法是可行的并对临床具有一定帮助。

本研究第二主成分表明,EC深肌层浸润(Ⅰb期)比浅肌层浸润(Ⅰa期)的惯量值更小,差异有统计学意义(P<0.05),其代表是惯量(Inertia_AllDirection_offset1),判断Ⅰa期EC的ROC曲线下面积为0.718,界值为165.89,敏感度68.0%,特异度63.8%。原因是Ⅰb期恶性程度更高,肿瘤侵犯深肌层,故纹理粗、惯量小,而Ⅰa期纹理细、肌层单位像素更紧密。据一项甲状腺良恶性结节纹理分析的研究表明[15],良性病变较恶性病变有更高的对比(即本文惯量)值(P<0.05),与本研究结果类似,表明良性组织较恶性组织惯量更大。这与惯量的定义也是相符的,惯量反映图像纹理的粗细程度,纹理粗则其值小,纹理细则其值大。Ⅰb期EC由于肿瘤细胞浸润深肌层,失去了原来肌层间细胞有序排列,纹理更粗;相反,Ⅰa期EC仅浅肌层浸润,肌层间细胞排列规律性相对更好,换言之像素分布更有序,故惯量更大。此外,诸多肿瘤的纹理分析表明[16,17],纹理分析可反映肿瘤在细胞分布和血管形成中的异质性。本研究中,反映异质性的其他指标(能量、熵等)并无统计学差异(P>0.05),与虞芯仪等[9]、ZHANGGM等[16]研究有一定差异,其原因之一是本研究样本量不足、图像分割时存在选择偏倚。

两大主成分得分最高的分别是相关(Correlation_angle45_offset1)和惯量(Inertia_AllDirection_offset1)(分别为0.928、0.904),判断Ⅰa期与Ⅰb期EC的ROC曲线中,Correlation_angle45_offset1的曲线下面积更高于Inertia_AllDirection_offset1(分别为0.756、0.718),说明第一主成分诊断效能更好,其对应的界值为2.07×10-3,敏感度77.3%,特异度72.0%。

本研究不足:①样本量相对较少;②图像分割时仅局部肌层勾画ROI,难以反映肌层整体受累情况;③本研究仅做Ⅰ期肌层浸润深度的研究,未做分级的判断;④有相当一部分病例如子宫腺肌病、子宫平滑肌瘤、子宫壁肌层过薄等对EC肌层浸润深度的纹理分析带来巨大挑战,对于这部分病例有待进一步研究;⑤本研究未做模型预测。以后我们的研究将增加样本量,改善图像分割中的选择偏倚,纳入EC的分级、临床指标等相关研究,并把放射组学中建模方法作为研究方向。

综上所述,基于矢状位T2WI序列灰度共生矩阵(GLCM)可评估Ⅰ期子宫内膜癌肌层浸润深度,进而为临床对其治疗方法的择取及预后判断提供帮助,并展示良好的应用前景。

参考文献：

[3]尹希,吴慧,高阳,等.不同扩散模型对Ⅰ期子宫内膜癌肌层浸润深度的诊断价值[J].磁共振成像,2019,10(4):258-262.

[4]邓凯,张成琪,李伟,等.磁共振扩散加权成像在Ⅰ期子宫内膜癌肌层浸润中的诊断价值[J].实用妇产科杂志,2014,30(11):831-835.

[6]侯晓荣,胡克,沈捷,等.Ⅰ期子宫内膜癌术后放疗的临床分析[J].中华放射肿瘤学杂志,2015,24(1):48-53.

[8]张竹伟,华婷,徐婷婷,等.常规MRI纹理分析鉴别乳腺良､恶性病变的价值初探[J].中华放射学杂志,2017,51(8):588-591.

[9]虞芯仪,耿承军,冯银波,等.基于常规MRI图像的纹理分析对脑膜瘤术前分级的临床价值[J].中华放射学杂志,2018,52(5):356-362.

[10]陈明丽,陈亚青,朱云开.利用主成分分析提取人类肝纤维化声像图的纹理特征[J].肝脏,2014,19(10):756-758.

[11]钟熹,江魁明,麦慧,等.基于灰度共生矩阵的MRI纹理分析预测舌癌患者颈部淋巴结转移的价值初探[J].中华放射学杂志,2018,52(9):649-654.

[12]周茂冬,苏春秋,沈慧,等.基于灰度共生矩阵的胶质母细胞瘤和单发脑转移瘤扩散加权成像纹理特征分析[J].临床放射学杂志,2019,38(3):386-389.

[13]谭红娜,武明辉,顾建钦,等.乳腺X线图像纹理特征预测乳腺癌腋窝淋巴结转移[J].中国医学影像技术,2017,33(12):1774-1778.

姚易明,叶靖,高慧,郭晓丽,王丽娟,吴晶涛.基于矢状位T2WI灰度共生矩阵对Ⅰ期子宫内膜癌肌层浸润深度的评估价值[J].现代肿瘤医学,2021,29(08):1404-1409.

基金:扬州市科教强卫重点人才资助项目(编号:ZDRC201873)