文献速递腹部技术与安全CT

自适应统计迭代重建(ASIR)影响原发性结直肠癌CT影像组学定量

Adaptive statistical iterative reconstruction (ASIR) affects CT radiomics quantification in primary colorectal cancer.
PubMed 文献 · Eur Radiol · 2019-03-18

前瞻性纳入32例原发性结直肠癌患者,比较不同水平ASIR与滤波反投影对CT影像组学特征的影响。28例可用于单层分析,23例可用于多层分析。多数统计特征随ASIR水平线性变化,单层分析中二阶统计和分形特征变化大于多层分析。

要点

  • ASIR水平递增使多数一阶、二阶和高阶统计特征呈线性显著变化(p < 0.001)。
  • 单层分析中二阶统计特征变化(中位B = 0.36)大于多层分析(中位B = 0.13)。
  • 分形特征仅在单层分析中发生显著变化(中位B = 0.49)。

核心结论

  • 递增ASIR水平显著影响原发性结直肠癌CT影像组学定量。
  • 单层分析所得二阶统计和分形特征的变化大于多层分析。

研究设计与样本

  • 前瞻性研究(ISCTRN 95037515),2012年1月至2014年7月单机构连续纳入32例原发性结直肠癌患者。
  • 采用单台Discovery 750 HD多排CT(GE Healthcare)行对比增强CT,重建0%、20%、40%、60%、80%、100%共6种ASIR水平。
  • 28例适合单层(2D)影像组学分析,23例适合多层(3D)分析。
  • 每数据集提取70个特征,包括统计(一阶、二阶、高阶)和分形影像组学特征,采用多水平线性回归分析。

关键影像表现/征象

  • 随ASIR权重增加,图像噪声降低,肿瘤ROI表面直方图逐渐平滑。

诊断标准与关键数值

  • 单层分析中一阶特征中位标准化效应量B = 0.08(范围0.02–0.24),二阶特征中位B = 0.36(范围0.01–0.44),分形特征中位B = 0.49(范围0.25–0.82)。
  • 多层分析中一阶特征中位B = 0.08(范围0.01–0.27),二阶特征中位B = 0.13(范围0.07–0.35),高阶特征中位B = 0.09(范围0.01–0.31)。
  • 单层分析中除GLCM和熵外,所有一阶、二阶和分形特征随ASIR增加呈线性显著变化。
  • 多层分析中一阶范围、NGTDM复杂度及13个GLRL特征中的3个未随ASIR显著变化,分形特征未显著变化。

临床应用与阅片要点

  • 为未来多中心CT影像组学研究采集数据时,应考虑并标准化重建算法。
  • 使用多层(3D)而非单层(2D)数据可减小ASIR对影像组学特征的影响,尤其对二阶统计和基于模型的分形特征。

局限性

  • 研究队列较小(n = 28),但固定采集参数(包括kVp和mAs、重建核及体素大小)有利于聚焦重建算法本身的影响。
  • 未评估其他迭代重建算法的影响,因采集时不可用;作者承认这在未来研究中会有价值。
全文中译10 节 · 点击展开
本译文由 AI 依据开放获取原文逐段翻译,供学习参考,可能存在误差,请以原文为准。原文 © 原作者,按 CC BY 许可使用,本译文为翻译改编。出处:Eur Radiol. 2019 Mar 18;29(10):5227–35. doi: 10.1007/s00330-019-06073-3

引言

提取定量图像特征以改善癌症表型分析影像组学方法日益受到关注[1]。影像组学在多种癌症的肿瘤表征、预后评估、治疗计划和疗效评估中显示出前景,包括非小细胞肺癌[2–8]、乳腺癌[9–12]、前列腺癌[13, 14]和结直肠癌[15–21]。

计算机断层扫描(CT)技术的进步与剂量降低相关,促使迭代图像重建算法的实施,以补偿低剂量CT采集时图像噪声的增加[22–26]。自适应统计迭代重建(ASIR)是一种混合算法,利用滤波反投影(FBP)获得的图像信息作为迭代重建的基础以优化图像质量。在体模研究中,它已实现32%至65%的剂量降低,而不实质性影响图像质量[27, 28]。

迄今为止,大多数已发表的回顾性CT影像组学研究基于仅使用FBP重建的图像。鉴于当前CT扫描仪的所有制造商均已采用迭代重建,迭代重建算法对定量图像特征的影响与影像组学领域高度相关。我们假设ASIR与FBP相比会显著改变特征值,并且随着ASIR权重(百分比增量)的增加逐步改变特征。因此,本研究的主要目的是探讨混合迭代重建,特别是以递增权重应用的ASIR,是否影响影像组学特征的量化,包括一阶、二阶和高阶统计参数以及分形参数,以峰值对比增强的原发性结直肠癌作为示例,鉴于有前景的数据[29]。我们的次要目的是确定单层分析(二维[2D]影像组学)计算的特征是否比多层分析(三维[3D]影像组学)计算的特征受到更大程度的影响。

材料与方法

参与者

经机构审查委员会批准并签署知情同意书后,2012年1月至2014年7月期间,来自单一机构的32例连续原发性结直肠癌患者接受了增强CT检查(前瞻性试验,ISCTRN 95037515)。排除标准为肿瘤直径< 2 cm(以确保有足够数量的CT体素用于分析)、肾功能受损(估算肾小球滤过率< 50 mL/min)以及既往碘对比剂过敏反应而无法给予碘对比剂。

CT采集与重建

CT在一台Discovery 750 HD多探测器CT扫描仪(GE Healthcare)上完成。作为前瞻性研究方案的一部分,以原发癌为中心采用以下方案行动态对比增强CT采集:100 kV;75 mAs;z轴覆盖范围4 cm;扫描视野50 cm;矩阵512 × 512 mm;B30软组织重建核;重建层厚5 mm;轴位模式,先以1.5秒时间分辨率采集35个时间点共45秒,随后以5秒时间分辨率采集120秒。为尽量减少肠蠕动,除非有禁忌,数据采集前静脉给予20 mg解痉剂丁溴东莨菪碱(Buscopan;Boehringer Ingelheim)。对比剂给药方式如下:50 mL 370 mg/mL碘对比剂(Niopam,Bracco)经泵注射器(Medrad Stellant双筒注射器,Bayer Healthcare)以5 mL/s速率注射,随后以相同速率给予50 mL生理盐水冲管。平均CTDIVol和DLP分别为137.8 ± 15.3 mGy和551.0 ± 61.2 mGy cm。动态采集在扫描仪上以六种不同ASIR百分比重建:0%(相当于FBP)、20%、40%、60%、80%和100%,每位患者因此得到六套独立数据集(图1)。

图1 分别以0%、20%、40%、60%、80%和100% ASIR重建的代表性轴位CT图像,显示随着ASIR权重增加图像噪声降低。相应的肿瘤ROI表面直方图,代表以Hounsfield单位表示的体素值(标尺− 200至200),显示随着ASIR权重增加表面逐渐平滑 查看原图 ↗

图像分析

图像分析由两名阅片者协商一致完成(一名临床肿瘤科医生和一名放射科医生,分别具有5年和10年CT经验),使用对应于肿瘤峰值强化的CT采集,以最大化肿瘤对比噪声比。在0% ASIR重建图像上围绕肿瘤手工绘制感兴趣区(ROI),为每位患者生成两套数据集:(1)对应于最大肿瘤面积的单幅轴位图像;(2)包含肿瘤的5幅连续轴位图像。随后将ROI复制到20–100% ASIR重建图像上,以确保这些ROI完全一致。

放射组学特征使用基于Matlab(Mathworks)的自研软件提取,该软件此前已在作为图像生物标志物标准化倡议一部分开发的数字体模上验证[30]。对原始DICOM图像应用中值平滑滤波器和32 bin宽度。

提取了一阶(直方图)、二阶(灰度共生矩阵,GLCM;灰度差分矩阵,GLDM)和高阶(邻域灰度差矩阵,NGTDM;灰度游程长度,GLRL;灰度区域大小矩阵,GLZSM)统计特征,以及基于模型的分形特征。提取的特征总结于表1。

表1 所提取CT放射组学特征的总结和简要描述 查看原表 ↗

统计分析

所有影像组学特征本质上均被视为连续变量。考虑到同一受试者的测量值可能比不同受试者的测量值更相似,分析采用多水平线性回归进行。使用两水平模型,将个体测量值嵌套于患者内。考察了ASIR水平与影像组学参数值之间关系的形状。初始分析中纳入了ASIR的三次、二次和线性项。若高阶项(即三次项和二次项)未发现具有统计学显著性,则将其省略,并假定变量之间为简单线性关系。大多数影像组学参数的分布满足统计方法的假设。然而,一个参数(分形维数空隙度)的分布呈特别明显的正偏态,因此在对数尺度上进行分析。报告了回归系数及相应的置信区间,代表ASIR增加20%时CT参数值的变化。标准化效应量(B)通过绝对回归系数除以ASIR增加20个单位时的受试者间标准差计算得出。通常,B值≤0.3被认为代表小效应;B值>0.3且<0.8被认为中等效应;≥0.8为大效应。所有分析均由一名统计学家使用Stata 13.1版(StataCorp LP)完成。p值<0.05视为具有统计学显著性。

结果

参与者

1名参与者的CT上未识别出肿瘤(基于切除息肉的組織学诊断证实为结直肠腺癌)。另外3名参与者因0% ASIR与后续ASIR重建序列之间的体素空间不匹配而无法进行分析。因此,28个CT数据集适合进行单层(2D)影像组学分析。多层(3D)分析仅能在23名参与者的子集中进行,因为5个肿瘤不够大或方向不合适,无法在至少5个连续轴位层面上进行分割。肿瘤平均直径为5.7 ± 1.74 cm,位置如下:盲肠,n = 4;升结肠,n = 2;乙状结肠,n = 7;直肠,n = 15。根据AJCC/UICC恶性肿瘤TNM分类(第8版),基于CT图像评估的放射学肿瘤(T)和淋巴结(N)分期如下:T2,n = 9;T3,n = 17;T4,n = 2;N0,n = 16;N1,n = 10;N2,n = 2。

影像组学分析

单层和多层数据集的一阶、二阶和分形影像组学特征的绝对回归系数、标准化效应量B值及相应p值汇总于表2;多层数据集高阶特征的值汇总于表3。

表2 单层(2D)和多层(3D)分析的一阶、二阶和分形特征结果汇总。对于每个影像组学特征,呈现了ASIR增加20%时的回归系数(95%置信区间[CI])和标准化效应量(B),以及相应的p值。显著的p值以斜体标注。 查看原表 ↗
表3 多层面(3D)分析获得的高阶特征结果汇总。对于每个纹理特征,表中给出了ASIR增加20%时的回归系数(95%置信区间[CI])、标准化效应量(B)以及相应的p值。显著的p值以斜体标出。 查看原表 ↗

单层面分析

除GLCM和熵(表2)外,所有一阶、二阶和分形特征均随ASIR值的增加呈线性关系发生显著变化。部分特征显著升高,另一些则降低。

所有一阶特征的相对效应较小(标准化效应量B中位数=0.08;范围0.02–0.24)。大多数二阶特征,包括所有灰度差分矩阵(GLDM)特征和大多数灰度共生矩阵(GLCM)特征,受到中等程度影响(B中位数=0.36;范围0.01–0.44)。大多数分形特征的相对效应为中等至较大(B中位数=0.49;范围0.25–0.82)。

多层面分析

几乎所有一阶、二阶和高阶特征均随ASIR值的增加发生显著变化:部分升高,部分降低。例外包括一阶范围、邻域灰度差矩阵(NGTDM)复杂度以及13个灰度游程长度(GLRL)特征中的3个(表2和表3)。

一阶统计特征的效应较小(B中位数=0.08;范围0.01–0.27)。二阶特征受到的影响程度低于单层面分析(B中位数=0.13;范围0.07–0.35):23个特征中有21个受到小程度影响,而单层面分析中为23个中的9个。ASIR对高阶特征的效应较小(B中位数=0.09;范围0.01–0.31)。与单层面分析及所有其他特征相反,多层面分形特征未随ASIR水平的增加发生显著变化。

讨论

尽管越来越多的研究在探索放射组学在肿瘤成像中的临床潜力,但关于CT图像重建从滤波反投影向混合迭代算法的转变可能如何影响放射组学特征定量,目前所知相对较少。在我们的前瞻性研究中,我们发现应用递增的ASIR水平会按照线性关系改变大多数统计(一阶、二阶和高阶)特征,无论在单层面还是多层面分析中均如此。分形特征仅在单层面数据集中发生显著变化。一阶特征在所有数据集中的相对效应均较小,而二阶特征在单层面分析中的变化大于多层面分析。

CT的一个基本方面是为体素分配衰减值。解析重建算法,即滤波反投影,长期以来一直是CT重建的支柱。然而,由于FBP未考虑图像中泊松统计变化引起的图像噪声;这一直是低剂量CT成像的限制因素[31]。因此,随着扫描仪硬件的进步和计算能力的提高,迭代重建算法已跃居前列[31]。诸如ASIR等混合算法结合了解析和迭代方法,通过降低图像噪声来优化图像特征。然而,随着ASIR权重增加,图像特征会出现感知上的改变,常被描述为“蜡状”外观。鉴于此,我们假设与FBP相比,使用ASIR及不同ASIR权重可能会改变放射组学特征。

迄今为止,仅有一项其他临床研究比较了不同重建算法对定量CT数据的影响,包括有限数量的直方图和二阶GLCM特征。该研究比较了FBP、50% ASIR和基于模型的迭代重建(MBIR)对20例肝脏病变(n = 13)、肺结节(n = 9)或肾结石(n = 25)患者感兴趣区的影响,这些患者接受了非增强CT或增强CT检查,固定120 kVp但采用2种不同剂量水平(全剂量和半剂量)[32]。MBIR对特征的影响最大。50% ASIR对标准差(SD)有显著影响,但对所研究的其他一阶特征(熵、峰度或偏度)或二阶GLCM特征无显著影响。这些差异部分反映了研究设计的不同,即评估ASIR的增量效应,而非将单一ASIR百分比与FBP和MBIR进行比较。

我们承认重建算法仅是可能影响CT放射组学特征的若干因素之一。其他因素包括采集因素,例如kVp、mAs、重建核、体素大小、灰度离散化和对比剂给药[32–39]。例如,Zhao等使用2D和3D图像研究了重建核对32例肺癌的89个非增强CT放射组学特征(包括形状、一阶、二阶统计、小波和分形特征)的影响。重建核对提取的特征有显著影响,平滑图像的影响小于噪声较大的图像。3D图像也比2D图像更具可重复性[34]。这与我们的研究结果一致,即3D特征更为稳定。

He等评估了重建层厚、重建核和对比增强对240例孤立性肺结节患者(恶性,n = 180;良性,n = 60)150个放射组学特征诊断性能的影响。该研究表明,基于非增强与增强CT、薄层(1.25 mm)与厚层CT(5 mm)以及标准与肺重建核比较时,对恶性与良性结节的判别和分类效果更好[35]。在另一项研究中,Shafiq-Ul-Hassan等发现在数字模体中,体素大小和离散化也是影响放射组学特征(包括形状、强度、GLCM、GLZSM、GLRL、NGTDM、分形和小波特征)的重要因素[39]。

根据我们的研究和已发表的数据,尽量减少重建核、重建算法、体素大小和灰度离散化方面的变化,将改善CT放射组学特征的定量和稳定性。

我们承认我们的研究存在一些局限性。首先,研究队列较小(n = 28),但具有固定采集参数的优势,包括kVp和mAs、重建核和体素大小,使我们能够仅关注重建算法的影响。其次,我们未评估其他迭代重建算法的影响,因为这些算法在采集时我们无法获得;我们承认这在未来的研究中将具有价值。

总之,我们证实了应用混合重建算法与传统FBP相比会影响CT放射组学定量。使用多层(3D)而非单层(2D)数据将最小化这种影响,特别是对于二阶统计和基于模型的分形特征。在未来多中心CT放射组学研究采集数据时,应考虑重建算法并对其进行标准化。

引用

  1. Prezzi D, Owczarczyk K, Bassett P, et al. Adaptive statistical iterative reconstruction (ASIR) affects CT radiomics quantification in primary colorectal cancer. Eur Radiol. 2019. PMID: 30887205. doi:10.1007/s00330-019-06073-3
  2. 全文:PMC6717179(PMC 开放获取,CC BY)https://pmc.ncbi.nlm.nih.gov/articles/PMC6717179/

供执业医师工作参考,不替代临床判断;数值与分级以指南原文为准。