分享:
分享到微信朋友圈
X
经验交流
ADC直方图分析在胃肠道间质瘤分级中的应用
陈婷婷 魏明翔 朱艳 柏根基

Cite this article as: Chen TT, Wei MX, Zhu Y, et al. Application of apparent diffusion coefficient histogram analysis in the grading of gastrointestinal stromaltumors[J]. Chin J Magn Reson Imaging, 2021, 12(2): 79-82.本文引用格式:陈婷婷, 魏明翔, 朱艳, 等. ADC直方图分析在胃肠道间质瘤分级中的应用[J]. 磁共振成像, 2021, 12(2): 79-82. DOI:10.12015/issn.1674-8034.2021.02.018.


[摘要] 目的 研究基于ADC图的直方图分析在胃肠道间质瘤危险度分级诊断中的应用价值。材料与方法 回顾性分析淮安市第一人民医院经手术病理证实的44例间质瘤患者,其中极低危及低危组12例,中危组9例,高危组23例,分别在3组肿瘤轴面ADC图像上用3D Slicer软件勾画ROI并进行灰度直方图分析。通过ROC曲线分析差异有统计学意义的参数在不同危险级别的GIST的鉴别诊断效能。结果 通过灰度直方图分析得到的11个参数中,最小值和第10百分位数在3组肿瘤间的差异具有统计学意义(P均<0.05),其余9个参数:偏度、均匀度、中位数、变异度及第90百分位数、平均值、峰度、全距、最大值在3组间的差异均无统计学意义(P均>0.05)。极低危及低危组与中危组之间最小值的敏感度为88.89%,特异度为58.33%,曲线下面积为0.750,最佳临界值为0;中危组与高危组之间第10百分位数的敏感度为91.30%,特异度为44.44%,曲线下面积为0.638,最佳临界值为1021;极低危及低危组与高危组之间第10百分位数的敏感度为91.30%,特异度为66.67%,曲线下面积为0.786,最佳临界值为1021。结论 基于肿瘤感兴趣区的ADC信号强度直方图可以为不同危险度的胃肠道间质瘤的鉴别诊断提供辅助诊断价值,其中最小值及第10百分位数具有一定的诊断效能。
[Abstract] Objective To study the application value of tumors volume based apparent diffusion coefficient (ADC) histogram analysis in grading diagnosis of gastrointestinal stromal tumor. Materials andMethods Forty-four patients with gastrointestinal stromal tumors were retrospectively analyzed, including 12 cases of very low-risk and low-risk group, 9 cases of middle-risk group, and 23 cases of high-risk group. Regions of interest (ROI) in the apparent diffusion coefficient maps of three groups on each layer of tumor level were drawn by using 3D Slicer software and were analyzed using the whole tumors gray histogram. ROC curve analysis was used to assess the diagnostic performance of ADC histogram in distinguishing the three groups.Results Through histogram analysis of 11 parameters, two parameters were statistically significant (P<0.05), including minimum and perc.10%. The remaining 9 parameters had no significant difference between the three groups (P>0.05). Between the very low-risk and low-risk group and the middle-risk, the sensitivity of minimun was 88.89%, the specificity was 58.33%, the area under the curve was 0.750, and the best cut-off value was 0. Between the middle-risk and high-risk, the sensitivity of perc.10% was 91.3%, the specificity was 44.44%, the area under the curve was 0.638, and the best cut-off value was 1021. Between the very low-risk and low-risk group and the high-risk, the sensitivity of minimun was 91.3%, the specificity was 66.67%, the area under the curve was 0.786, and the best cut-off value was 1021.Conclusions Histograms analysis of ADC maps could provide ancillary diagnosis value in grading diagnosis of gastrointestinal stromal tumors. Minimun and perc.10% had a identification diagnostic efficiency.
[关键词] 表观扩散系数;磁共振成像;直方图分析;ROC曲线;胃肠道间质瘤;危险度分级
[Keywords] apparent diffusion coefficient;magnetic resonance imaging;histogram analysis;ROC curve;gastrointestinal stromal tumor;risk rating

陈婷婷 1, 2   魏明翔 3   朱艳 3   柏根基 1*  

1 徐州医科大学淮安临床学院,淮安市第一人民医院,淮安 223300

2 淮安市淮阴医院,淮安 223300

3 南京医科大学附属淮安第一医院,淮安市第一人民医院,淮安 223300

柏根基,E-mail:hybgj0451@163.com

作者利益冲突声明:全体作者均声明无利益冲突。


收稿日期:2020-08-24
接受日期:2021-01-12
DOI: 10.12015/issn.1674-8034.2021.02.018
本文引用格式:陈婷婷, 魏明翔, 朱艳, 等. ADC直方图分析在胃肠道间质瘤分级中的应用[J]. 磁共振成像, 2021, 12(2): 79-82. DOI:10.12015/issn.1674-8034.2021.02.018.

       胃肠道间质瘤(gastrointestinal stromal tumors,GIST)是最常见的消化道原发间叶源性肿瘤,来源于未定向分化的间质细胞,它的分子生物学特点是c-kit基因突变导致的酪氨酸激酶受体的持续活化,从而刺激肿瘤细胞持续性的增殖。组织标本镜下可见多数梭形细胞,并且免疫组化监测显示CD117和CD34过度表达,有助病理学的最终诊断[1]。GIST可以发生于胃肠道的任何部位,多见于胃及小肠,其次为结直肠、食管,肠系膜、腹腔韧带及网膜部位发生较少见。GIST具有潜在恶性,美国国立卫生研究院(National Institutes of Health,NIH)关于原发GIST的危险度分级方案2008年改良版是目前国内外学者普遍认可的GIST危险度分级标准[2]。根据该方案GIST可分为极低危险度、低危险度、中危险度及高危险度。多数学者经过临床随访实践得出极低及低危险度GIST可以完全手术切除治疗,而中、高危险度的GIST患者术后有复发或者转移的可能,进行分子靶向药物的辅助治疗很有必要,因此,明确肿瘤病理学分级可以为GIST患者选择具体的临床治疗方案提供重要的参考价值。

1 材料和方法

1.1 一般临床资料

       回顾性收集研究分析淮安市第一人民医院2014年8月至2020年6月入院且经术后病理证实的胃肠道间质瘤患者44例。其中胃间质瘤19例,十二指肠间质瘤3例,小肠间质瘤19例,大肠间质瘤3例,共44个病灶,测量术前病灶直径大小范围1.2~31 cm,平均直径(9.1±8.8) cm。其中男性19例,女性25例,年龄38~83岁,平均年龄(60±11)岁。根据NIH分级标准进行分组,其中极低危及低危组12例,中危组9例,高危组23例。极低危及低危组男性4例、女性8例,平均年龄(55±10)岁;中危组男性2例、女性7例,平均年龄(64±11)岁;高危组男性13例、女性10例,平均年龄(60±10)岁。临床表现上腹部不适22例,消化道出血4例,体检发现16例。MR检查前未做手术或者药物治疗。本研究经医院医学伦理委员会批准,所有患者均知情同意。

1.2 检查方法

       采用德国西门子AVANTO 1.5 T磁共振成像仪和标准腹部线圈,常规检查及成像参数如下:T1WI轴位(包括同反相位、脂相和压脂相,TR/TE:226/7.15 ms,层厚5 mm,间隔0,NEX 3,FOV 370 mm×370 mm,矩阵500×640)、T2WI轴位压脂、T2WI冠状位(TR/TE:4500/752 ms,层厚5 mm,间隔0,NEX 3,FOV 350 mm×350 mm,矩阵384×512)及扩散加权成像(diffusion weighted imaging,DWI)(TR/TE:570/70 ms,层厚5 mm,间隔0,NEX 3,FOV 380 mm×380 mm,矩阵128×128,b值=0、700 s/mm2):患者均行胃肠道准备,禁食12 h,并口服600~2000 mL不等的纯净水,屏气扫描全腹部,同时扫描DWI,自动生成ADC图。

1.3 图像处理与分析

1.3.1 图像选取

       从淮安市第一人民医院PACS工作站找出44例患者的磁共振图像,以DCM格式导出,再导入3D Slicer软件,对照DWI图像,在ADC图像上选取病变的所有显示层面,进行ROI的勾画。

1.3.2 直方图分析

       本研究所使用的3D Slicer (Slicer4.10.2)软件是由哈佛大学和麻省理工学院联合开发的一个免费开源的图像分析处理平台。在进行软件分析前,将图片导入软件内,由2名具有多年影像诊断经验的放射科医师参照DWI同层面图像勾画肿瘤的ROI,使研究具有可靠性。通过3D Slicer软件在ADC轴位图像上手动勾画肿瘤的每一层ROI,包含肿瘤内的坏死及囊变区,标记图像见图1,为低危险度的胃肠道间质瘤的样本示例,圈出并用红色填充其中一层肿瘤区域。逐层勾画形成3D图像,自动生成相应的直方图参数:第10百分位数、第90百分位数、偏度、均匀度、变异度、峰度、全距、均值、中位数、最大值和最小值。将利用3D Slicer软件生成的数据录入SPSS 23.0统计软件,重建出各个参数的ADC直方图。

图1  女,56岁,小肠间质瘤(低危险度)。A:轴位ADC标记后图像;B:轴位DWI图像,病灶呈高信号;C:轴位T1WI图像(同相位),病灶呈等信号;D:轴位T2WI图像,病灶呈稍高信号

1.4 统计学分析

       利用SPSS 23.0统计软件对各个参数进行统计学分析。由2名放射科诊断医师共同商讨确定ROI,并将ADC直方图各个参数记录下来,作为最终结果来应用。将44例患者按照极低危与低危组、中危组及高危组分成3组,利用成组设计,采用Levene方差齐性检验评价计量资料是否符合正态分布,正态分布的资料以x¯±s表示,组间比较采用单因素方差分析,两两比较采用LSD-t检验;偏态分布的资料采用中位数(上、下四分位数)表示,组间比较采用Mann-Whitney U检验。利用ROC曲线评价ADC直方图各参数值鉴别不同危险级别GIST的效能,并计算出ROC曲线的AUC、最佳诊断阈值以及相应的敏感度、特异度。双侧P<0.05认为差异具有统计学意义。

2 结果

2.1 各组肿瘤ADC直方图分析

       得出的各个参数统计结果见表1。经过直方图分析得到的11个参数中,在三组间的差异有统计学意义的是最小值及第10百分位数(P均<0.05),另外的9个参数在三组肿瘤间的差异无统计学意义(P均>0.05)。两两比较显示,平均值、中位数、第10百分位数在极低危及低危组与高危组两组之间差异有统计学意义(P均<0.05),最小值在极低危及低危组与中危组之间、极低危及低危组与高危组之间的差异有统计学意义(P均<0.05),其余参数在两组间的差异无统计学意义(P均>0.05)。

表1  三组胃肠道间质瘤直方图参数统计分析

2.2 各组肿瘤直方图参数的诊断效能

       利用ROC曲线分析其中两个参数,最小值、第10百分位数在3组肿瘤之间的鉴别诊断效能,并进行两两比较,其中在极低危及低危组与中危组之间最小值的鉴别诊断效能较高,曲线下面积为0.750,分析得出的敏感度为88.89%,特异度为58.33%,最佳临界值为0。中危组与高危组之间第10百分位数的曲线下面积为0.638,敏感度为91.30%,特异度为44.44%,最佳临界值为1021,鉴别效能较高。极低危及低危组与高危组之间第10百分位数鉴别诊断效能较高,曲线下面积为0.786,敏感度为91.30%,特异度为66.67%,最佳临界值为1021(见表2, 3, 4图2, 3, 4)。其中第10百分位数鉴别诊断效能较最小值作用稍强。

图2  极低危及低危组与中危组的ROC曲线,最小值曲线下面积为0.750
图3  中危组及高危组的ROC曲线,第10百分位数曲线下面积为0.638
图4  极低危及低危组与高危组的ROC曲线,第10百分位数曲线下面积为0.786
表2  最小值及第10百分位数对极低危及低危组与中危组的鉴别诊断效能
表3  最小值与第10百分位数对中危组及高危组的鉴别诊断效能
表4  最小值与第10百分位数对极低危及低危组与高危组的鉴别诊断效能

3 讨论

3.1 ADC直方图分析方法的优势

       以往研究[2, 3, 4, 5]中,胃肠道间质瘤的危险度分级主要是基于肿瘤体积的大小、部位、形态、边界、有无囊变坏死、信号或密度均匀度、强化方式及有无转移等影像表现。近年来较多的研究[3,6, 7, 8, 9]是利用DWI功能成像及单层面测量ADC值来鉴别肿瘤的良恶性程度,若肿瘤体积较大时,内部病理成分显然不单一,测量单层面的ADC值必然存在局限性,从而会导致部分诊断信息的缺失。另外,ROI的选取很大程度上决定着ADC值的数值大小,尤其是较小体素面积的ROI的选取,得到的数值偏倚的可能性较大,难以全面评价病变。ADC直方图分析作为新兴技术中最常用的医学图像纹理参数分析,能够对肿瘤整个病灶ADC值进行全容积的纹理分析,具有更高的客观性及可重复性,更能反映肿瘤灶的整体情况[10, 11]。ADC值直方图分析已经应用于多项肿瘤研究,比如脑胶质瘤[12]、室管膜瘤[13]、肾透明细胞癌[14]、前列腺癌[15]及宫颈癌[16]的鉴别及分级诊断,然而,目前关于胃肠道间质瘤危险度分级采用纹理分析的研究却少有文献报道[17, 18, 19]

3.2 DWI及ADC在GIST诊断中的意义

       DWI能够从组织分子学的角度反映肿瘤的细微变化,作为磁共振的功能成像技术,主要原理是通过表示肿瘤组织中水分子的扩散受限程度来反映肿瘤的恶性程度,从而通过DWI图像得出的ADC值可以定量反映肿瘤组织的相关改变。此外,本研究所采用的直方图感兴趣区的选取包括了肿瘤实质以及其他不均质性部分,比如肿瘤的坏死、囊变和出血。本研究通过3D Slicer软件对图像中给定感兴趣区进行直方图纹理分析[20],得出的11个参数:偏度、均匀度、中位数、变异度、第10百分位数、第90百分位数、平均值、峰度、全距、最大值、最小值,其中在3组间的差异具有统计学意义的参数是最小值及第10百分位数,主要是由于GIST较易发生囊变、坏死等改变,导致不同区域的肿瘤细胞密度和恶性分化程度不一致,因而肿瘤的主体实性成分更能反映水分子扩散受限情况。有研究显示[21],最小值能够反映肿瘤细胞的分化程度,与本研究结果基本一致。ADC 直方图分析中,低百分位数的ADC值有统计学意义,说明病理等级越高,低百分位数ADC值越能够反映其生物学特性;中高危组的低百分位数ADC值低于极低危及低危组说明了肿瘤细胞恶性程度的趋势,因此,本研究认为在胃肠道间质瘤低百分位数的ADC值更能够代表其病理等级的程度。

3.3 研究的局限性

       本研究的局限性:(1)极低及低危险度的胃肠道间质瘤在临床上多无明显症状,多为意外发现,导致病例数据较少,今后研究中要增加相关的病例和数据,从而提高研究的可靠性及严谨性;(2)胃肠道病变由于肠道气体干扰,导致图像分辨率低,特别是ADC图,明确分辨勾画肿瘤的边缘尚有难度,本研究参照DWI图像来勾画肿瘤的边界,仍然有图像配准的问题有待解决,今后的研究中希望能够引入计算机智能自动化来勾画图像的方法解决。

4 结论

       本研究最后结果表明,第10百分位数与最小值两个参数,虽然不能完全区分鉴别极低危及低危组、中危组与高危组的病变,但是能够区分极低危及低危组与高危组的间质瘤病变,ADC图的直方图分析在胃肠道间质瘤危险度分级诊断中存在一定的价值,临床上可以用作鉴别胃肠道间质瘤不同危险级别的有效参考依据。

1
陈孝平, 汪建平. 外科学. 第8版. 北京: 人民卫生出版社, 2013: 366-366.
Chen XP, Wang JP. Surgery[M]. 8th edition. Beijing: People's Medical Publishing House, 2013: 366-366.
2
Joensuu H. Risk stratification of patients diagnosed with gastrointestinal stromal tumor[J]. Hum Pathol, 2008, 39(10): 1411-1419.
3
马菊香, 韩丽珠, 李绪斌, 等. 胃肠道间质瘤的MRI征象与不同危险度的相关性[J]. 中国肿瘤临床, 2019, 46(12): 601-605. DOI: 10.3969/j.issn.1000-8179.2019.12.507.
Ma JX, Han LZ, Li XB, et al. Correlation between MRI features and tumor risk grade in gastrointestinal stromal tumor[J]. Chin J Clin Oncol,2019, 46(12): 601-605. DOI: 10.3969/j.issn.1000-8179.2019.12.507.
4
赵树立, 季学兵. 多层螺旋CT及其重建技术在胃肠道间质瘤诊断中的价值[J]. 中国CT和MRI杂志, 2018, 16(8): 124-125, 135. DOI: 3969/j.issn.1672-5131.2018.08.038.
Zhao SL, Ji XB. The value of multi-slice spiral CT and its reconstruction techniques in the diagnosis of gastrointestinal stromal tumor[J]. Chin J CT & MRI, 2018, 16(8): 124-125, 135. DOI: 3969/j.issn.1672-5131.2018.08.038.
5
Takao H, Yamahira K, Doi I, et al. Gastrointestinal stromal tumor ofthe retroperitoneum: CT and MR findings[J]. Eur Radiol, 2004, 14(10): 1926-1929. DOI: 10.1007/s00330-004-2404-3.
6
Tsili AC, Sylakos A, Ntorkou A, et al. Apparent diffusion coefficient values and dynamic contrast enhancement patterns in differentiating seminomas from nonseminomatous testicular neoplasms[J]. Eur J Radiol, 2015, 84(7): 1219-1226.
7
Parikh T, Drew SJ, Lee VS, et al. Focal liver lesion detection and characterization with diffusion-weighted MR imaging: comparison with standard breath-hold T2-weighted imaging[J]. Radiology, 2008, 246(3): 812-822.
8
Taouli B, Vilgrain V, Dumont E, et al. Evaluation of liver diffusion i-sotropy and characterization of focal hepatic lesions with two single-shot echo-planar MR imaging sequences:prospective study in 66 pa-tient[J]. Radiology, 2003, 226(1): 71-78.
9
Thoeny HC, De Keyzer F, Oyen RH, et al. Diffusion-weighted MR imaging of kidneys in healthy volunteers and patients with parenchymal diseases:intial experience[J]. Radiology, 2005, 235(3): 911-917.
10
Paschall AK, Mirmomen SM, Symons R, et al. Differentiating papillary type I RCC from clear cell RCC and oncocytoma: application of whole-lesion volumetric ADC measurement[J]. Abdominal Radiology, 2018(3): 1-7. DOI: 10.1007/s00261-017-1453-4.
11
李浩杰, 梁丽丽, 李安琴, 等. 小视野扩散加权成像表观扩散系数直方图鉴别透明细胞与非透明细胞肾癌的价值[J]. 中华放射学杂志, 2017, 51(9): 665-668.
Li HJ, Liang LL, Li AQ, et al. Value of apparent diffusion coefficient histogram in small field diffusion-weighted imaging in differentiating clear cell from non-clear cell renal cell carcinoma[J]. Chin J Radiol, 2017, 51(9): 665-668.
12
王翅鹏, 王叶, 熊飞, 等. 表观扩散系数直方图在胶质瘤分级中的价值[J]. 实用放射学杂志, 2019, 35(1): 11-14. DOI: 10.3969/j.issn.1002-1671.2019.01.003.
Wang CP, Wang Y, Xiong F, et al. Histogram of apparent diffusion coefficient in the classification of gliomas[J]. J Pract Radiol, 2019, 35(1): 11-14. DOI: 10.3969/j.issn.1002-1671.2019.01.003.
13
张勇, 程敬亮, 郑瑞平, 等. 基于ADC图的全域直方图分析在室管膜瘤分级诊断中的价值[J]. 中华放射学杂志, 2018, 52(10): 751-755. DOI: 10.3760/cma.j.issn.1005-1201.2018.10.006.
Zhang Y, Cheng JL, Zheng RP, et al. Whole-tumor histogram analysis of apparent diffusion coefficient maps in grading diagnosis of ependymoma[J]. Chin J Radiol, 2018, 52(10): 751-755. DOI: 10.3760/cma.j.issn.1005-1201.2018.10.006.
14
张宇馨, 韩福刚. 表观扩散系数直方图对肾透明细胞癌病理分级的诊断价值[J]. 中国癌症防治杂志, 2019, 11(1): 76-79. DOI: 10.3969/j.issn.1674-5671.2019.01.13.
Zhang YX, Han FG. Diagnostic value of apparent diffusion coefficient histogram for pathological grading in clear cell renal cell carcinoma[J]. Chin J Cancer Prevention & Treatment, 2019, 11(1): 76-79. DOI: 10.3969/j.issn.1674-5671.2019.01.13.
15
鱼汀, 季立标, 陆志华, 等. 前列腺癌Gleason分级的ADC直方图的分析[J]. 中国医学计算机成像杂志, 2018, 24(2): 152-157.
Yu T, Ji LB, Lu ZH, et al. Grading of prostate cancer by ADC histogram analysis[J]. Chin J Med Comput Imaging, 2018, 24(2): 152-157.
16
刘洁, 程敬亮, 张勇. ADC直方图分析方法鉴别IB和II期宫颈癌的应用初探[J]. 中国医疗设备, 2020, 35(1): 68-70, 98. DOI: 10.3969/j.issn.1674-1633.2020.01.018.
Liu J, Cheng JL, Zhang Y. Differentiation of stage ⅠB and Ⅱ cervical cancer by apparent diffusion coefficient histogram: A preliminary study[J]. Med Equi Chin, 2020, 35(1): 68-70, 98. DOI: 10.3969/j.issn.1674-1633.2020.01.018.
17
Zhang LJ, Kang LQ, Li GC, et al. Computed tomography-based radiomics model for discriminating the risk stratifcation of gastrointestinal tumors[J]. La Radiologia Medica, 2020, 125(2): 465-473.
18
Wang C, Li HL, Yeerfan J, et al. Building CT radiomics-based models for preoperatively predicting malignant potential and mitotic count of gastrointestinal stromal tumors[J]. Translational Oncology, 2019, 12(9): 1229-1236.
19
Sun ZQ, Hu SD, Li J, et al. Radiomics study for differentiating gastric cancer from gastric stromal tumor based on contrast-enhanced CT images[J]. J X-Ray Sci Technol, 2019, 27(9): 1021-1031.
20
Court LE, Fave X, Mackin D, et al. Computational resources for radiomics[J]. Translation Cancer Res, 2016, 5(4): 340-348.
21
陆媛嫒, 黄群英, 孙明华, 等. ADC直方图区分宫颈癌常见病理类型的价值[J]. 中国医学计算机成像杂志, 2015, 21(3): 255-259. DOI: 10.19627/j.cnki.cn31-1700/th.2015.03.013.
Lu YY, Huang QY, Sun MH, et al. The value of histogram-based apparent diffusion codfficient in distinguishing common pathological subtypes of cervical cancer[J]. Chin J Med Comput Imaging, 2015, 21(3): 255-259. DOI: 10.19627/j.cnki.cn31-1700/th.2015.03.013.

上一篇 肝淀粉样变性与肝窦阻塞综合征临床及影像特征的鉴别分析
下一篇 磁共振扩散加权成像对晚期卵巢癌患者腹膜癌指数预测的可行性研究
  
诚聘英才 | 广告合作 | 免责声明 | 版权声明
联系电话:010-67113815
京ICP备19028836号-2