脑胶质瘤是最常见的原发性脑肿瘤。世界卫生组织（World Health Organization，WHO）将脑胶质瘤分为Ⅰ～Ⅳ级，其中Ⅰ级和Ⅱ级为低级别胶质瘤（low-grade glioma，LGG)，Ⅱ级和Ⅳ级为高级别胶质瘤（high-grade glioma，HGG)。确定肿瘤的正确分级非常重要，因为它决定了患者的治疗和预后^[1,2]。HGG通过根治性切除和辅助性放疗和／或化疗来治疗，而LGG生长非常缓慢，可以进行根治性切除，预后较好^[3]。目前胶质瘤分级的金标准是通过立体定向脑活检进行组织病理学评价，这是一种侵袭性方式。特别是对于脑胶质瘤，作为一种无创性技术，提高成像的临床应用以准确确定肿瘤级别的潜力正受到广泛的关注^[4]。

       磁共振成像（magnetic resonance imaging，MRI）是中枢神经系统病变价值较高的影像学检查。MRI动态增强扫描（dynamic contrast-enhanced magnetic resonance imaging，DCE-MRI)在脑肿瘤、乳腺及前列腺肿瘤已被广泛应用^[5,6,7]。常规增强MRI及DCE-MRI的主要区别是，在注射对比剂后获得的图像的数量。在常规的磁共振成像，通常只有一组图像是钆类对比剂注入后的几分钟获得的。在DCE-MRI，动态连续成像可获得钆类对比剂注入之前和之后多组图像，可用于注射前、后不同时间点测量信号强度曲线。这个曲线通常称为DCE动力学曲线，可以揭示钆对比剂输送到病变，以及对比剂在病变的分布和清除，这些动态特征与病变的血管及细胞相关，可为临床诊断提供更多的信息，为更好地描述病变微观结构的改变和灌注提供了新的信息^[8,9,10,11]。

       纹理分析是一种量化图像强度空间分布的方法。它在肿瘤诊断、肿瘤异质性定量、肿瘤组织与周围组织分离、肿瘤分级和分类、治疗反应和生存预测等领域显示出广阔的应用前景^{[12,13,14,15]}。到目前为止，利用CT和MRI纹理分析已经发表了一些关于颅内肿瘤异质性的报告。然而，感兴趣区域的选择是可变的。Skogen等^[16]进行的一项研究只绘制了增强肿瘤内的区域，排除了瘤周水肿，用于CT纹理分析，以量化胶质瘤的肿瘤异质性，并显示肿瘤异质性与肿瘤分级之间的相关性。Skogen等^[16]描述了感兴趣区域的实体瘤（regions of interest，ROI)，并揭示了在对比度增强（contrast enhancement，CE)图像上提取的纹理特征在LGG和HGG之间具有高度区分性。相反，Skogen等^[16]和Li等^[17]选择整个肿瘤进行分析，以解释可能导致组差异的肿瘤的所有元素。众所周知，胶质瘤是中枢神经系统中最复杂的肿瘤。ROI的定义对这些研究的分析结果有很大影响。因此，我们将胶质瘤分为两部分：(1)实性部分；(2）其他部分（如坏死和出血）。测定肿瘤实性部分、整个肿瘤（含肿瘤所有成分）。

       本研究的目的是应用动态对比增强磁共振的纹理分析，以探索不同ROI中的参数，以评估肿瘤异质性，并进一步比较不同ROI的诊断性能。

1　材料与方法

1.1　临床资料

       回顾性分析我院2018年7月至2019年4月收治的高、低级别脑胶质瘤患者各40例，高级别胶质瘤患者中，男26例、女14例，平均（46±5)岁；低级别胶质瘤患者中，男22例、女18例，平均（40±6)岁。所有患者均经病理证实，且均签署MRI检查知情同意书，在我科行DCE-MRI检查。

1.2　检查设备及扫描方法

       所有患者均在德国Siemens公司Skyra 3.0 T磁共振扫描仪进行检查。DCE-T1WI采用三维容积内插(three-dimensional volumetric interpolated breathhold examination，3D-VIBE）梯度回波序列，动态增强扫描前先行多翻转角扫描，共2个翻转角序列。每个序列均扫描1个时相，翻转角分别为2°、15°。扫描参数：层厚3.5 mm，层间距0.7 mm，TR 4.09 ms，TE 1.44 ms，扫描FOV 220 mm×220 mm，扫描矩阵154×192。多翻转角序列扫描完成后行动态增强扫描，扫描参数：层厚3.5 mm，层间距0.7 mm，TR 5.08 ms，TE 1.82 ms，翻转角15° ，扫描FOV 220 mm×220 mm，矩阵154×192。使用MR压力注射器(MEDRAD，Spectris Solaris EP，USA）经肘静脉套管针（20 G）注射Gd-DTPA (GE药业），剂量按照0.2 mmol/kg，流率2.5 ml/s，注射完毕立即用20 ml生理盐水以相同流速冲洗连接管。开始注射对比剂时启动vibe-tra动态增强扫描序列，对病变行多期（共35期）动态连续扫描，每期扫描持续6.5 s。

1.3　数据计算

       将MR数据传输到个人计算机，胶质瘤病变在DCE-MRI上分为两部分：(1)实性部分；(2）其他部分（如坏死和出血）。然后由同一位研究人员在经验丰富的神经影像学家的指导下用GE AnalysisKit Version V3.0.1A软件绘制整个肿瘤和实体部分ROI（图1，图2，图3，图4，图5，图6，图7，图8)。为了量化ROI内的图像纹理特征，使用GE AnalysisKit Version V3.0.1A软件来量化异构信号。利用直方图分析来计算一阶参数。在这项研究中，纹理分析在3D ROI内进行，参数不均匀性用于定量分析。

       在下边的等式中，R是图像a (x，y)内的ROI，n是R中像素的总数，是R内的平均值。较高的不均匀性意味着整个灰度级的平均变化较高，也代表增加的异质性。

点击查看大图

图1，2  低级别胶质瘤整个肿瘤ROI
图3，4  低级别胶质瘤实性部分ROI
图5，6  高级别胶质瘤整个肿瘤ROI
图7，8  高级别胶质瘤实性部分ROI
Fig. 1, 2  ROI of low-grade glioma.
Fig. 3, 4  ROI of solid part of low-grade glioma.
Fig. 5, 6  ROI of high grade glioma.
Fig. 7, 8  ROI of solid part of high grade glioma.

点击查看大图

1.4　统计学方法

       为了比较HGG和LGG之间的峰度和不均匀性参数，应用非参数Wilcoxon秩和检验。使用独立样本t检验进行HGG和LGG之间的其他参数的统计比较。对于HGG和LGG之间具有统计学显著差异的参数，根据数据类型的分布对Tukey的事后分析或k-依赖的非参数测试样本进行单向方差分析以比较每个等级。对于与肿瘤等级显著相关的一些参数，使用ROC分析来表征诊断性能。然后进行McNemar测试以比较不同ROI的诊断准确度。P<0.05被认为差异具有显著的统计学意义。

2　结果

       基于HGGs和LGGs之间的每个ROI的纹理分析。基于肿瘤整体ROI的纹理分析结果显示，HGGs与LGGs之间的不均匀度值有显著差异(P<0.05，P=0.01)；肿瘤实性部分ROI的纹理分析结果显示，HGGs与LGGs之间的不均匀度值无差异(P>0.05，P=0.06)(表1)。

       基于整个肿瘤和实性部分ROI的不均匀性值的诊断效率。表2总结了用于区分HGG与LGG的不同ROI不均匀性值的ROC结果。在整个肿瘤ROI方面，0.220的不均匀性截断值分别表现出95.4%、92.1％和93.8％的敏感性、特异性和准确性。对于实性部分ROI，0.212的不均匀性截止值分别表现出88.5%，87.6％和87.7%的敏感性、特异性和准确性（表2，图9)。不同ROI不均匀性的诊断准确性与LGG中HGGs的区分有显著差异(P=0.01)。为了区分HGG与LGG，在整个肿瘤ROI纹理分析中观察到最大曲线下面积(AUC)(0.986，P<0.05)。

点击查看大图

图9  ROC曲线显示胶质瘤分级的不均匀性
Fig. 9  ROC curve showing inhomogeneity of glioma grade.

点击查看表格

表1  低级别和高级别胶质瘤肿瘤整体和肿瘤实体部分的纹理参数（40例，±s)
Tab. 1  Texture parameters of whole tumor and solid part of low grade and high grade gliomas (n=40, ±s)

点击查看表格

表2  不同ROI的ROC结果显示胶质瘤分级的不均匀性
Tab. 2  ROC results of different ROI show the inhomogeneity of glioma classification

3　讨论

       本研究结果表明，基于这两个ROI的纹理不均匀性的分析参数，整体肿瘤的不均匀性可以用来区分HGGs和LGGs。在非均匀性参数方面，整体肿瘤ROI在区分HGGs和LGGs方面表现出优于实体部分ROI的诊断性能。

       纹理分析参数统计优于传统的肿瘤分级方法。纹理分析参数不均匀性表征了整个肿瘤的特征，具有无创量化肿瘤异质性的优点。肿瘤在遗传学和组织学上都是异质性的，包括瘤内细胞数量、血管生成、血管外细胞外间隙和坏死区的空间变异^[17]。非均匀性参数强调了LGGs和HGGs之间在DCE-MRI图像上的不同异质性表现。为了确定检测肿瘤异质性的最佳ROI，我们比较了相同参数对不同ROI的诊断效率。整体肿瘤的不均匀性值较实体部分表现出更好的诊断性能。在整个肿瘤ROI中，胶质瘤分级的不均匀性敏感性(HGGs与LGGs)为95.4%，呈高度正相关。因此，如果非均匀性大于0.220，则肿瘤的分级较高。对于实性部分ROI，胶质瘤分级的不均匀性敏感性(HGGs与LGGs)为88.5%，呈中度正相关。本研究结果表明，选择整个肿瘤作为ROI可以更好地评价肿瘤的异质性。由于整个肿瘤ROI包含了肿瘤成分的所有部分，因此最能准确反映胶质瘤的异质性。Skogen等^[16]通过全肿瘤体积分析，对低、高等级胶质瘤的鉴别诊断敏感性为50%，特异性为100%。Raja等^[18]和Park等^[19]从肿瘤体积中心连续取6个层面作为ROI，展示了DTI和DKI参数在胶质瘤分级中的意义。

       除了任何回顾性研究的内在局限性，我们的研究也有一些局限性。首先，所分析的病例数量相对较少(40例），需要更大的研究来进一步探索。其次，我们在确定肿瘤各部分（实性部分、囊变、坏死部分）之间的边界时面临另一个挑战，特别是在低度胶质瘤中。此外，由于微囊变坏死和未强化的肿瘤实性部分在增强T1WI上表现为低信号强度，肉眼无法准确区分肿瘤各成分的边界。第三，本研究中肿瘤异质性的测量是由一个可能引入偏差的单盲操作进行的。进一步的研究应该评估操作者之间和操作者内部的可变性，这是本研究的一个局限性。第四，笔者使用手工分割的方法来定义肿瘤边界，缺乏可重复性。因此可以利用多序列融合成像来绘制肿瘤边界的轮廓。

       综上所述，本研究结果表明，基于不同ROI的DCE-MRI纹理分析可以提供多种重要的评价肿瘤异质性的参数，这些参数与肿瘤分级相关。特别是整个肿瘤ROI的不均匀性值，对HGGs与LGGs的鉴别具有较高的诊断价值。