医学影像纹理分析(texture analysis，TA）是通过一定的图像处理技术，分析医学影像图像中像素或体素灰度的分布及关系，提取许多肉眼无法看到定量或定性的纹理特征，有助于早期无创地明确病灶的性质以及疾病的疗效评价、预后判断等。近年来，纹理分析在医学影像学中已得到深入应用，对于头颈部、胸腹部及盆腔疾病诊断及鉴别等国内外文献已有大量报道，但在骨肌系统中的应用及相关文献报道仍相对较少。为提高认识，笔者检索了国内外骨肌系统疾病纹理分析运用的相关文献并进行综述。

1　纹理分析方法

       常用的纹理分析方法有以下四种：统计法、结构法、模型法和频谱法^[1]。其中统计法是从统计学角度出发，利用图像的灰度空间分布表征，对纹理信息（如粗细度、均匀性等)进行分析。而医学图像通常具有较高的灰度分辨率和空间分辨率，所以统计法是医学影像纹理分析最常用的方法。

       统计法常分为一阶（单体素）、二阶（双体素）、高阶（更多体素）纹理特征分析。一阶统计描述感兴趣区（region of interest，ROI)内单个像素值的灰度分布情况，又称直方图分析，包括平均值、最小值及最大值、变异度、标准差、偏度、峰度及熵、不均质性、体素值的各百分位数等，其缺点是缺乏空间信息。二阶统计基于指定像素对的分布几率，医学上最常用的是通过灰度共生矩阵（gray level co-occurrence matrix，GLCM）来实现。GLCM描述两个像素强度之间的关系，而其中的能量、对比度、相关性及熵等参数在医学应用中常具有统计学意义（表1)，以此可以对一阶统计进行补充。高阶统计通过邻近像素灰度差描述强度变化或同质区域的分布和排列状况^[2]。

       纹理分析是影像组学的一部分，2012年荷兰学者第一次提出"影像组学"的概念，将其定义为：用高通量的方法从影像图像的ROI中提取大量的影像特征^[3]。其大致分为图像采集、图像分割、特征提取、数据分析等步骤（表2)。纹理分析处理的是图像中最基础的信息特征，能无创地对患者的影像图像进行较简便有效的处理，这也许会对未来的诊疗方式提供重要的信息。

点击查看表格

表1  纹理分析常用相关参数及其意义
Tab. 1  Common relevant parameters of texture analysis and their significance

点击查看表格

表2  影像组学的基本操作流程
Tab. 2  The basic operation flow of iconography

2　纹理分析在骨肌肿瘤影像中的应用

       研究主要用于骨转移瘤、软骨类肿瘤、少数软组织肿瘤的鉴别及组织学分析等，结果表明大多数纹理特征具有明显的统计学意义，相对于传统影像学检查，对肿瘤鉴别诊断的准确性有所提高，而将纹理分析与传统影像学表现结合将进一步提高对骨肿瘤诊断的灵敏度及特异度，对治疗监测也有一定帮助。国内马军超等^[4]对110例首诊发现骨内高密度结节病灶进行纹理分析，显示灰度均值、方差、偏度、平方和等多个纹理指标具有显著差异(P<0.01)，显示纹理分析能帮助鉴别成骨性转移和骨岛。Fritz等^[5]对116例软骨肿瘤的MRI和纹理分析，结果显示MRI联合纹理分析的诊断准确率达92.9％和91.2%。与传统MRI影像诊断方法相比，MRI联合纹理分析提高了软骨肿瘤的诊断准确性。Lisson等^[6]对11例低级别软骨肉瘤和内生软骨瘤MRI进行纹理分析，发现峰度、熵、偏度、阳性像素平均值和阳性像素分布均匀性在不同的MRI序列上有显著差异(P<0.01)，其中价值最高的是峰度，具有较高的灵敏度、特异性和准确性，表明MRI三维纹理分析可以通过多种纹理参数区分低级别软骨肉瘤和内生软骨瘤。Reischauer等^[7]利用表面扩散系数图像纹理分析对前列腺癌骨转移治疗反应进行评估，在治疗前后各时间点的每个病变ADC图分析纹理特征，结果发现大多数纹理特征参数在治疗前后都有显著变化，提示全肿瘤体积纹理分析可用于前列腺癌骨转移的反应性评价和治疗监测。Thornhill等^[8]对24例脂肪瘤和20例脂肪肉瘤采用MRI纹理分析的计算机辅助诊断有助于鉴别此两类肿瘤。Kim等^[9]利用扩散加权ADC图对23例良性和17例恶性含黏液性的软组织肿瘤的空间异质性进行纹理分析，发现恶性黏液性软组织肿瘤具有显著增高的峰度、能量、相关性和同质性，同时对比度和方差显著降低，认为ADC图纹理分析在鉴别含有黏液性良恶性软组织肿瘤中具有一定价值。Yin等^[10,11]对应用纹理分析对骶骨脊索瘤和骶骨巨细胞瘤的非增强及增强CT图像运用lasso+classifier-glm技术分析得出这种方法可以协助两种肿瘤的术前鉴别；之后该团队又对骶骨脊索瘤、巨细胞瘤及骶骨转移瘤进行进一步分析，发现将MRI横轴位T2 FSE与T1增强序列图像相结合进行纹理分析可以进一步提高术前对骶骨肿瘤鉴别的准确性。

3　纹理分析方法在骨质疏松及骨折的应用

       骨质疏松骨折风险预测一直是影像学面临的难题，纹理分析在预测骨折风险方面也有相关探索并且具有积极的结果。多数文献提出纹理特征参数中的熵在预测骨折中具有明显的统计学意义，部分文献提出熵是预测骨折的最佳参数。Mookiah等^[12]利用常规CT增强检查，探讨进行骨质疏松筛查的可行性，对静脉注射对比剂、空间分辨率、重建时间和骨密度等的影响进行灰度均匀量化和纹理分析，结果显示纹理参数中能量、熵、均匀性和方差有显著意义，提示利用常规增强CT重建图像纹理分析可以对筛查骨质疏松有帮助。Muehlematter等^[13]利用纹理分析和机器学习对58例脊柱机能不全骨折患者的标准CT扫描图像进行评估，其中熵是评估骨骼完整性受损的重要纹理特征，联合29个纹理参数特征曲线下面积达0.97，认为在临床CT扫描中纹理分析与机器学习相结合可以准确识别椎体机能不全骨折的患者，但是对有风险的单个椎骨识别仍然具有挑战。Thevenot等^[14]对53名女性骨盆平片和骨密度检查进行6年随访，对股骨颈骨折和无骨折的基线X线平片进行纹理分析，将骨形态、骨小梁结构和骨密度相结合，结果表明髋部骨折的最佳预测因子是熵，当熵、颈干角和骨密度结合时预测骨折风险的曲线下面积值达0.902，将进一步提高对髋部骨折的预测精度。Areeckal等^[15,16]对使用骨密度和手腕部X线纹理分析对印度人群的骨质疏松进行早期诊断，并与瑞士人群样本进行对比，在此基础上，研发了一种简易工具，可与X线及纹理相结合对早期骨质疏松进行诊断。Nardone等^[17]发现三维CT纹理分析可预测放射性治疗后骨盆不全性骨折的风险。Valentinitsch等^[18]发现应用三维纹理分析与局部容积骨密度特征相结合的随机森林算法能提高筛查出骨质疏松患者因低骨量发生椎体骨折的概率。

4　纹理分析方法在骨关节炎及软骨结构的应用

       骨关节炎（osteoarthritis，OA）纹理分析是近年来研究的热点，较多研究聚焦于关节软骨及软骨下骨，证明纹理分析可以间接反映关节软骨及软骨下骨关节炎的进展变化，也可为手术前后变化提供新的参考信息。Blumenkrantz等^[19]采用基线二阶纹理测量法研究绝经后8例轻度OA患者和10名年龄匹配健康受试者关节软骨T2值的空间分布，结果提示OA患者的平均T2值、标准差（standard deviation，SD）和熵均大于对照组，9个月后随访的OA患者软骨T2-map图的SD和熵显著降低，而软骨厚度和体积无明显变化。证明OA患者具有比健康对照者更高和更异质的软骨T2值，而9个月随访OA患者的SD值和熵值降低，这可能简介反映了OA进展过程中软骨结构的异质性变化。MacKay等^[20]对各年龄段无症状受试者膝关节MRI的胫骨内侧和外侧软骨下骨进行纹理分析得到20个纹理参数，发现内侧和外侧大多数软骨下骨结构参数有显著性差异，提示胫骨软骨下骨的MRI纹理分析可监测OA软骨下骨结构的变化，对OA发病机制和评估治疗反应方面具有潜在的应用价值。Mackay等^[21]还对10例膝关节OA行关节置换术前的MRI图像进行纹理分析，并与术后截取的胫骨平台软骨下骨组织进行病理学对照，结合病理研究发现，MRI纹理分析特征与胫骨平台上软骨下骨组织形态计量学（骨体积分数、小梁厚度、分离度和数量）显著相关，为病变进展评估提供新思路。Hirvasniemi等^[22]对不同分级膝关节OA的X线平片进行分析，得到股骨、胫骨内外侧软骨下骨板和小梁骨以及骨密度相关的纹理参数，定量评价OA骨纹理参数的变化，发现不同分级OA的胫骨近端和股骨内髁软骨下骨板和小梁骨变化最为明显，结论认为骨的纹理分析比直接评估灰度值更具重现性，因此在成像条件变化时更适合定量分析。Hirvasniemi等^[23]还对随访10年的987例骨盆髋关节X线片采用纹理分析加机器学习。结合年龄、性别、体重指数加入轻度OA和骨纹理特征的模型能明显提高预测OA进展和关节置换的准确性；认为骨纹理分析为预测OA发生、进展及关节置换提供了更多的信息。Janvier等^[24]对1647个膝关节X光片进行骨小梁纹理（trabecular bone texture，TBT）分析发现TBT能预测膝关节OA的进展，但TBT与关节间隙狭窄评分无相关性；在此基础上，Janvier等^[25]进一步发现在年龄、性别、BMI的模型中加入TBT参数进行补充后预测OA进展的能力明显上升；提示TBT参数可用于预测OA的发生进展以及识别高危患者。此外，还有部分学者通过骨的纹理分析对骨关节炎及软骨的变化进行研究。Heilmeier等^[26]对309例OA患者的膝关节软骨T2的纹理特征进行4~ 7年随访研究，结果有助于推测个体全膝关节置换术的风险预测。Hofmann等^[27]对膝关节软骨退行性变与非手术性损伤的关系进行探讨，研究表明，经保守治疗的膝关节损伤与软骨基质改变有关。

5　纹理分析方法在其他方面的应用

       除了以上热门话题外，部分学者还将纹理分析与部分疾病的治疗及表现、治疗检测等相联系进行研究。

       Tabari等^[28]对神经性厌食症患者和正常体重对照者腰椎的小梁进行纹理分析，发现神经性厌食症患者骨小梁的偏斜和峰度增加，熵和正像素平均值（mean of positive pixels，MPP)降低。结果表明，小梁结构分析有助于补充相关神经性厌食症的信息，而与骨密度提供的信息无关。Kang等^[29]对50例因冈上肌腱(supraspinatus tendon，SST）全层撕裂行关节镜下肩袖修补术的患者进行回顾性分析，并进行1年随访，在术前磁共振T2加权上测量撕裂SST远端的高信号强度区，并与年龄、撕裂大小、回缩大小等其他预后因素进行比较，结果发现熵和回缩大小是最显著的预测因子，这有助于预测术后肌腱的修复状态。Fang等^[30]在增强CT图像上，通过纹理分析测量MPP，对新佐剂贝伐单抗联合放疗的20例软组织肿瘤患者进行研究，并与肿瘤大小、密度、灌注量以及病理结果进行比较及术后随访，结果发现MPP百分率变化与肿瘤坏死有显著相关性，而肿瘤大小、密度等无明显相关性，提示MPP是软组织肿瘤放疗后反应的最佳标志物。Mannil等^[31]对62例腰椎管狭窄症（lumbar spinal stenosis，LSS）患者，在T2加权序列上腰3、4椎体水平进行纹理分析，研究椎旁肌脂肪浸润与临床预后的关系，发现在151个TA特征中平均值与椎管狭窄测量值呈弱相关，熵与12个月步行距离的恶化程度也呈弱相关，因此认为该方法可以提供椎旁肌脂肪浸润的部分信息，但与LSS的预后无明显相关。Yi等^[32]对8例骨巨细胞瘤地舒单抗治疗治疗前后的CT表现（包括肿瘤大小、纹理、直方图等）进行比较，发现在治疗后CT直方图和骨巨细胞瘤纹理特征中的局部同质性增加，这可能有助于在地舒单抗给药和治疗后监测过程中进行疾病监测。

6　纹理分析方法的现况及挑战

       综上所述，骨骼系统与其他部位系统相比较，结构复杂、病例较少，大部分图像无增强序列，且骨骼系统新技术的应用较其他部位慢等因素，因此纹理分析和影像组学在骨肌系统实际临床实践中应用的还比较少，仅有部分报道用于如骨龄、骨折和骨质疏松筛查骨折等方面的应用。目前，纹理分析主要应用上述几类骨肌系统疾病和诊断和鉴别，对软组织来源疾病、代谢性骨病、骨病疗效评估、肿瘤分级分期等研究仍较为缺乏，而且纹理分析目前尚没有标准、规范的质量控制保证，没有统一的图像分割及特征分析软件，图像分割所选取的区域没有一定的理论基础，特征参数的选取也无法统一，是否与临床有必然联系还未进行大量验证，所以，纹理分析还需通过大量数据的研究分析以及临床验证才能确定其价值。因此纹理分析以及基于此基础上的影像组学在骨关节系统的应用仍需要进一步研究及探索。