ROI选择方法对高级别胶质瘤增强T1WI直方图参数的影响

ROI选择方法对高级别胶质瘤增强T1WI直方图参数的影

响

张欢欢1，林丽萍1，王宇喆1，温 群2，王娇燕2*

【摘 要】[摘 要] 目的 观察高级别胶质瘤增强T1WI直方图分析中选择不同ROI的可重复性及对测量直方图特征参数的影响。方法 2名医师分别使用4种方法(小ROI法、轮廓ROI法、阈值ROI法和体积ROI法)选择ROI对45例高级别胶质瘤增强T1WI进行直方图参数测量，评价观察者间一致性及测量直方图参数的差异。结果 2名医师采用体积、轮廓和阈值ROI法测量平均值、标准差和峰度值均一致性好(ICC均≥0.80)，偏度值一致性为中等至好(ICC为0.73～0.90)，采用小ROI法测量直方图特征参数的一致性为较低至中等(ICC为0.30～0.69)。体积ROI法测量各直方图特征参数与轮廓ROI法比较差异均无统计学意义(P均>0.05)；阈值ROI法测量平均值、偏度值、峰度值均高于体积和轮廓ROI法，标准差均低于体积和轮廓ROI法(P均<0.05)；小ROI法测量标准差均低于体积和轮廓ROI法(P均<0.05)。结论 采用体积ROI法测量高级别胶质瘤增强T1WI图像直方图特征参数一致性最高；不同方法选择ROI对增强T1WI图像直方图特征参数测量结果存在一定影响。 【期刊名称】中国医学影像技术 【年(卷),期】2019(035)006 【总页数】5

【关键词】[关键词] 神经胶质瘤；磁共振成像；直方图分析；感兴趣区 [基金项目] 上海市闵行区卫生和计划生育委员会基金(2018MW04)。 [修回日期] 2019-04-15

脑胶质瘤是一种具有极不均质组织病理学特征的原发性颅内肿瘤，具有广泛侵袭性。作为一种基于数据的分析方法，直方图分析可准确评估肿瘤异质性，目前已用于胶质瘤分型与分级、鉴别诊断及评估疗效等[1-4]；其对数据的准确率和可重复性要求较高[5]，而不同机器、扫描技术以及图像重建算法均会对结果产生显著影响[6]。此外，ROI选择方法也对直方图分析有重要影响。目前对不同ROI选择方法的准确率和可重复性仍存在争议[7]。既往直方图分析一般选择在肿瘤最大层面手动勾画ROI边界，不能进一步区分肿瘤液化、坏死成分，也很少对肿瘤全部层面信息进行整体分析。本研究探讨在高级别胶质瘤(high grade gliomas, HGGs)常规增强T1WI直方图分析中，不同ROI选择方法对特征参数提取的可重复性及对结果的影响。

1 资料与方法

1.1 一般资料 回顾性分析2016年1月—2018年5月于复旦大学附属上海市第五人民医院接受MR检查并经病理证实的50例HGGs患者(WHO Ⅲ～Ⅳ级)，男27例，女23例，年龄25～72岁，平均(51.1±13.5)岁；MR检查前未接受任何治疗。其中5例由于图像质量不佳、肿瘤贴近颅骨或脑室生长无法准确观察予以排除，共45例纳入研究，包括HGGs Ⅲ级18例、Ⅳ级27例。 1.2 仪器与方法 采用Siemens Skyra 3.0T MR扫描仪和20通道头部线圈，行轴位FLASH序列增强扫描。对比剂采用Gd-DTPA，剂量0.1 mmol/kg体质量，注射流率2.0 ml/s，TR 250 ms，TE 2.5 ms，翻转角70°，层厚8 mm，层间距0.8 mm，FOV 220 mm×220 mm，矩阵256×256。

1.3 图像分析 以DICOM格式导出图像，分别由2名中、高级职称神经影像学医师独立阅片，分析肿瘤强化、出血、坏死及水肿区域，并使用4种方法勾画

ROI。小ROI法：在肿瘤最大层面图像上，于病灶内部任意取3个无重叠圆形区域，尽量包含更多强化区域，单个ROI面积≥500像素；轮廓ROI法：在肿瘤最大层面图像上，沿肿瘤强化边缘勾画，包括肿瘤囊变、坏死区域；阈值ROI法：在肿瘤最大层面图像上，以病灶周围水肿区域灰度值作为阈值，将高于该阈值病灶纳入ROI，此方法可快速去除肿瘤囊变、坏死部分并保留实性成分；体积ROI法：逐层勾画肿瘤边界之后累加生成三维容积ROI，并进一步分析(图1)。

采用MaZda 4.6软件勾画ROI，并提取直方图特征参数。先对所有图像行灰度标准化处理，软件计算获得以下直方图特征参数：①平均值，ROI内所有像素灰度值的算术平均值；②标准差，反映图像灰度值的离散程度；③偏度值，反映灰度分布的不均匀性，呈正态分布时偏度值为0，正(负)偏度值表示直方图曲线右(左)侧尾部有更多离群数据；④峰度值，反映直方图曲线顶端尖峭或扁平程度，正(负)峰度值表示比正态分布更尖锐(平坦)的分布。2名医师在每种ROI选择方法下连续测量2次，将平均值作为最终结果，同时记录每次勾画ROI所需时间。

1.4 统计学分析 采用SPSS 22.0统计分析软件。首先对直方图特征参数进行正态性(Shapiro-Wilk法)及方差齐性(Levene法)检验，符合正态分布的数据以±s表示，不同ROI选择方法的差异性比较采用单因素方差分析，两两比较采用LSD法；不符合正态分布的数据以中位数(上下四分位数)表示，不同ROI选择方法的差异性比较采用Kruskal-Wallis H秩和检验，两两比较采用秩转换法结合多重比较，以P<0.05为差异有统计学意义。观察者间一致性以组内相关系数(intraclass correlation coefficient, ICC)评价，ICC≥0.80为一致性好，