前庭神经鞘瘤(vestibular schwannoma，VS)与脑膜瘤是桥小脑角区(cerebellopontine angle，CPA)最为常见的两类肿瘤，分别占CPA肿瘤的70%～90%和5%～10%^{[1, 2, 3]}。VS俗称听神经瘤，绝大部分听神经瘤起源于前庭神经鞘膜，只有极个别起源于耳蜗神经鞘膜，所以用VS的称谓更为严格、准确^{[4, 5, 6]}。桥小脑角区脑膜瘤(cerebellopontine angle meningioma，CPAM)大多起源于岩骨后表面或岩骨-天幕交界处的蛛网膜颗粒，有学者^[7]发现蛛网膜颗粒也存在于颅神经出口孔，沿颅神经孔分布，因此CPAM可延伸至内听道，也可原发于内听道内^{[8, 9]}，造成内听道扩大，这给两种疾病的鉴别增加了困难。在影像学表现上两者信号相似，VS更易囊变及微小出血，而脑膜瘤可有钙化，强化更为均匀，可有硬膜尾征^[10]。上述影像学表现有助于鉴别两者，但这些影像学表现又是非特异性的^{[11, 12]}，当影像学表现不典型时，两者鉴别诊断的难度增大，甚至无法鉴别^[13] (图1、2)。由于两种疾病的治疗方法、预后及手术方式不同，所以术前准确的鉴别诊断可以为临床提供重要参考价值^{[14, 15]}。灰度共生矩阵(gray-level co-occurrence matrix，GLCM)是最常用的二阶纹理分析方法，通过描述两个相邻像素强度之间的关系，来反映病变的异质性，从而对人眼不能分辨的图像内部特征进行定量描述^[16]。近几年有学者^[15]应用纹理分析来鉴别CPA这两种病变，但大部分都是选用单一序列或应用一阶(直方图)纹理分析方法，寻找最优的纹理特征参数及序列是当前研究的重点及难点。经查阅国内外文献，未见相关报道，本研究首次探讨GLCM在VS与CPAM鉴别诊断中的价值。

点击查看大图

图1  女，54岁，右侧桥小脑角区脑膜瘤。T1WI呈等稍低信号，T2WI呈等稍高信号，FLAIR为稍高信号，增强扫描明显均匀强化。
图2  男，30岁，左侧前庭神经鞘瘤。T1WI呈混杂低信号，T2WI呈混杂高信号，FLAIR为高信号，增强扫描明显不均匀强化。

1 材料与方法

1.1 一般资料

       回顾性分析潍坊市人民医院2020年1月至2021年6月符合以下标准的住院患者资料。纳入标准：(1)手术病理证实为VS或CPAM；(2)术前14天内接受颅脑MRI平扫+强化检查。排除标准：(1)图像存在伪影，不符合诊断及进一步图像分析要求；(2)完全囊变的VS；(3)检查前接受过放疗、化疗等其他治疗。共41例患者纳入研究，其中23例VS，18例CPAM。本研究经潍坊市人民医院医学伦理委员会批准(批准文号：2021伦审批第028号)，免除受试者知情同意。

1.2 仪器与方法

       采用Siemens Magnetom Skyra 3.0 T MRI扫描仪，采用头部相控阵线圈。MRI扫描序列包括平扫横断面T1WI、T2WI、液体衰减反转恢复(fluid attenuated inversion recovery，FLAIR)及增强后横断面T1WI。具体参数如下：T1WI：TR 250 ms，TE 9 ms；T2WI：TR 4290 ms，TE 99 ms；FLAIR：TR 9000 ms，TE 94 ms；增强横断面T1WI：TR 2000 ms，TE 8 ms。以上序列相同参数：层厚5.0 mm，层间距0 mm，视野220 mm×220 mm。在扫描时采取了关联扫描模式，使各序列为同一层面。经肘静脉以2.0 mL/s速率高压注射Gd-DTPA对比剂，剂量为0.2 mmol/kg，然后用20 mL生理盐水以同样速率冲洗导管，于注射对比剂后25 s采集横断面强化T1WI。

1.3 图像分析与测量

       将MR各序列图像分别导入Image J 1.53c软件(http://imagej.nih.gov/ij)，测量前应对所有的图像进行灰阶标准化，将软件参数均设置为系统默认值，像素间距d为1，两点之间连线与轴的夹角θ为0°。由于增强横断面T1WI序列病灶显示较清晰，在病灶最大横截面图像上沿病灶轮廓手动勾画感兴趣区(region of interest，ROI)，然后将勾画好的ROI保存，随后将保存的ROI复制粘贴到其他序列，使各序列的ROI保持一致。所有的ROI由两位影像科高年资主治医师共同勾画，当两人观点不相同时，通过交流沟通达成一致。由软件自动生成各ROI内GLCM参数，其中包括角二阶矩(即能量)、对比、相关、逆差矩、熵等^[17]，对所得数据结果进行比较和分析。

1.4 统计学分析

       采用SPSS 20.0统计学软件进行分析。采用组内相关系数(intraclass correlation coefficient，ICC)评价两名测量者内及测量者间所测数据的一致性，ICC＞0.80为一致性良好。对于计量资料，行正态分布检验及方差齐性检验，对于符合正态分布的参数以“均数±标准差(x¯±s)”表示，不符合正态分布的参数以“中位数±四分位数间距”表示。对于符合正态分布且方差齐性的参数运用两独立样本t检验，不符合正态分布和(或)方差齐性的参数运用Mann-Whitney U检验进行统计学分析。采用MedCalc 20.0软件(http://www.medcalc.org)对差异有统计学意义的参数行受试者工作特征(receiver operating characteristic，ROC)曲线分析，计算ROC曲线下面积(area under the curve，AUC)及对应的敏感度、特异度，采用DeLong检验比较各GLCM参数对VS与CPAM的鉴别诊断效能。以P＜0.05表示差异存在统计学意义。

2 结果

2.1 病灶一般资料描述

       23例VS中病灶长径1.3～5.0 (2.82±1.07) cm；病灶平扫T1WI呈等低信号，T2WI呈等高信号，FLAIR为稍高信号，增强扫描均明显强化，其中15例病灶信号不均质，强化不均匀；23例病灶边界均清晰。18例CPAM中病灶长径1.2～9.4 (3.88±2.15) cm；病灶平扫T1WI呈等低信号，T2WI呈等稍高信号，FLAIR为稍高信号，增强扫描均明显强化，其中4例病灶信号不均质，强化不均匀；16例病灶边界清晰，2例病灶部分边界欠清。

2.2 VS组与CPAM组GLCM各参数比较

       两组间T2WI序列GLCM参数中的对比、相关和逆差矩差异有统计学意义(表1，P值均＜0.05)，其中对比值VS组明显大于CPAM组，而相关及逆差矩值CPAM组明显大于VS组；FLAIR序列GLCM参数中的对比和逆差矩差异有统计学意义(表2，P值均＜0.05)，其中对比值VS组明显大于CPAM组，而逆差矩值CPAM组明显大于VS组；增强T1WI序列GLCM参数中的对比和逆差矩差异有统计学意义(表3，P值均＜0.05)，其中对比值VS组明显大于CPAM组，而逆差矩值CPAM组明显大于VS组；平扫T1WI序列各GLCM参数两组间差异无统计学意义(表4，P值均＞0.05)。

点击查看表格

表1  T2WI序列VS组与CPAM组GLCM参数比较

点击查看表格

表2  FLAIR序列VS组与CPAM组GLCM参数比较

点击查看表格

表3  增强T1WI序列VS组与CPAM组GLCM参数比较

点击查看表格

表4  平扫T1WI序列VS组与CPAM组GLCM参数比较

2.3 ROC曲线评估

       对各序列有统计学意义的GLCM参数进行ROC曲线分析，T2WI序列GLCM参数中的对比、逆差矩的诊断效能较佳，对比的AUC值最大，为0.971，敏感度和特异度分别为91.30%、94.44%，对比与相关的AUC值差异具有统计学意义；FLAIR序列GLCM参数中的逆差矩诊断效能最佳，AUC值最大，为0.866，敏感度和特异度分别为91.30%、77.78%，对比及逆差矩的AUC值差异具有统计学意义；对比在各序列间AUC值差异具有统计学意义，以T2WI序列诊断效能最佳；逆差矩在各序列间AUC值差异具有统计学意义，以T2WI序列AUC值最大(表5, 6, 7，图3、4、5)。

点击查看大图

图3  T2WI序列差异有统计学意义的灰度共生矩阵(GLCM)参数受试者工作特征(ROC)曲线分析。
图4  FLAIR序列差异有统计学意义的灰度共生矩阵(GLCM)参数ROC曲线分析。
图5  强化T1WI序列差异有统计学意义的灰度共生矩阵(GLCM)参数ROC曲线分析。

点击查看表格

表5  各序列有统计学意义的GLCM参数ROC曲线分析

点击查看表格

表6  各序列有统计学意义的GLCM参数Delong检验结果

点击查看表格

表7  不同序列间有统计学意义的GLCM参数Delong检验结果

3 讨论

       纹理分析技术是影像组学的一部分，近几年被广泛应用于多个系统多种疾病的诊断及鉴别诊断^{[18, 19]}。本研究首次提出多序列及二阶纹理分析法(GLCM)鉴别VS及CPAM。结果显示T2WI、FLAIR及增强T1WI序列中多个GLCM参数可以鉴别VS及CPAM，可以为临床术前诊断VS及CPAM提供重要帮助。

3.1 GLCM参数意义及结果分析

       对比反映图像纹理沟纹的深浅度，纹理沟纹的深浅度与对比成正相关；逆差矩反映图像灰度的规则程度及图像纹理局部变化的多少，规则程度与逆差矩成正相关；相关反映图像中局部灰度值的相似程度，相似程度与相关成正相关。本研究中VS组的对比值明显大于CPAM组；而CPAM组的逆差矩及相关值明显大于VS组。分析原因可能是VS与CPAM组织学特性及病理生理不同，VS镜下有两种组织成分，即致密的Antoni A型和疏松的Antoni B型，Antoni B型区域的存在使VS细胞基质更为疏松，水分子含量更多，也更易出现囊变；CPAM细胞排列紧密，核浆比例高，内部血管发育成熟，极少发生囊变。虽然在勾画ROI时避开VS囊变区域，但是在病理上仍存在微囊变。VS Antoni B型区域的存在及人眼不能观察的微囊变使其图像信号不均匀，纹理沟纹较深，局部纹理差异较大，灰度分布不规则，灰度值差别大；而CPAM内部细胞排列紧密，信号较均匀，纹理沟纹浅，局部纹理差异小，灰度分布更规则，灰度值差别小。相关值在T2WI、FLAIR及增强T1WI这3个序列中CPAM组均大于VS组，但只在T2WI序列中差异具有统计学意义，考虑原因是FLAIR序列抑制了病变内自由水的差异，强化T1WI序列则更侧重于病变内血流状况的差异，而VS及CPAM组织学特性及病理生理差异在T2WI序列体现地最为明显，图像蕴含的纹理信息更多、差异更大，进而提示T2WI序列是鉴别CPA VS及CPAM的最优序列，鉴别诊断价值最高。

       能量和熵值可用来描述病变内灰度变化的总体性质，能量反映纹理的一致性，熵反映纹理的复杂度。本研究中能量和熵值在各个序列中的差异均没有统计学意义。有研究显示^[20]能量及熵在鉴别良恶性病变中差异有统计学意义，猜测是由于本研究中两者均为良性病变，其内部细胞的异质性没有良恶性病变大，导致能量及熵值的差异没有统计学意义，其准确性与否还需要进一步研究。

       本研究显示T2WI序列GLCM参数中的对比、逆差矩的诊断效能较佳，这与国外学者研究相似，Saigal等^[10]通过微出血分析T2WI序列内包含的多种信息(如出血及囊变等)来鉴别CPA病变。有国内学者^[15]证明T1WI序列纹理分析可以用来鉴别CPA病变，与本研究不符，分析其原因可能是该学者应用一阶纹理分析法，其反映的是所有像素的灰度，描述图像总体的纹理特征，而本研究采用二阶纹理分析法，探究图像局部纹理特征所致。

3.2 本研究不足之处

       本研究为回顾性研究，可能存在病例的选择偏倚；病例数相对较少，后续将增加样本量进一步分析；仅分析了病灶最大层面的纹理特征，可在后续的研究中使用全容积法进行研究；未考虑脑膜瘤各种病理学亚型对结果的影响，将在进一步的研究中完善。

       综上所述，GLCM有助于鉴别VS与CPAM，可以为临床提供重要参考价值。