肺病灶CT纹理分析可靠性:3D与2D分割及HU阈值体积定义的影响
回顾性纳入75例经病理证实的肺病灶(腺癌、鳞癌、小细胞癌、类癌、机化性肺炎各15例),3名放射科医师独立以2D和3D手动分割,并比较有无-50 HU阈值预定义体积时的观察者间信度。结果显示纹理特征ICC普遍较低,仅少部分特征在所有分割设置下保持高信度;形状参数信度较高,3D无阈值分割时纹理特征ICC最高。
要点
- 肺病灶CT纹理特征的观察者间信度普遍较低,日常报告不宜单独依赖纹理特征。
- 形状参数观察者间信度较高,2D无阈值分割时ICC优良比例最高(79%)。
- 若分析纹理特征,3D无-50 HU阈值分割的信度相对较高。
全文中译8 节 · 点击展开
引言
放射组学涉及从放射学图像中提取大量定量特征,可提供关于病灶组成的附加信息[1],有可能预测结直肠癌、高级别胶质瘤和肾细胞癌患者的生存期[2–4],并在头颈部癌症中具有预后价值[5]。在肺部,放射组学有潜力区分良性和恶性肺结节[6],预测非小细胞肺癌的预后[5, 7],并区分不同类型的肺癌[7]。然而,为获得最终诊断,临床环境中的患者通常接受经皮或经支气管组织取样,这存在严重并发症的风险[8–11]。对放射组学可重复性的担忧,尤其是纹理特征,构成了CT纹理分析(CTTA)临床接受和实施的主要障碍之一[12]。感兴趣病灶的分割被认为是可重复性不足的重要来源[13]。在大多数试验中,由专家进行的手动分割是参考标准;然而,病灶勾画容易产生变异性。肺病灶应以三维(3D)分割还是仅以二维(2D)最大直径分割仍存在争议。在分割肺部病灶之前应用亨氏单位(HU)阈值以限制体积也可能影响CTTA结果。已提出在肺部CTTA中采用− 50 HU阈值作为防止潜在分割病灶外肺组织的手段[14, 15]。然而,肺病灶的亚实性部分,如先前报道的腺癌特征[16],在使用此类阈值时也可能被排除。由于可靠的可重复性是CTTA适用性的先决条件,且肺部病灶的最佳分割设置仍存在争议,本研究的目的在于比较手动2D与3D肺病灶分割所获得的CTTA参数的观察者间信度,包括使用− 50 HU阈值预定义体积和不使用阈值预定义体积的情况。
材料与方法
患者人群
本机构伦理委员会批准了这项回顾性、单机构研究。
在本机构数据系统中检索到1049例患者,这些患者于2013年1月至2018年12月期间在本机构接受了CT引导下肺活检,且均有介入前计划性平扫CT检查及相应的组织病理学诊断。为代表常规临床胸部影像中所遇可疑肺病灶的异质性,我们选择了组织病理学诊断为腺癌、鳞状细胞癌、类癌、小细胞肺癌或机化性肺炎的患者。总共纳入75例患者(47例男性,28例女性)。由于我们的数据检索仅检索到15例诊断为类癌的患者,我们按时间顺序从最早开始各纳入15例连续的腺癌、鳞状细胞癌、小细胞肺癌和机化性肺炎患者,以保持组间大小的同质性。
CT成像
所有CT引导下活检均在同一台128层多排CT扫描仪(Somatom Definition AS,Siemens Healthineers)上进行。行平扫CT(头尾扫描方向;管电压:100 kV;管电流:100 mAs;准直:128 × 0.6 mm;螺距:1.2;层厚:3 mm;增量:3.0 mm;重建:使用迭代重建的标准核)以确定靶病灶的精确位置,并为每位患者规划活检针的进针路径。这些术前CT扫描用于所有病灶的CT纹理分析(CTTA)。
CT纹理分析(CTTA)
图像分割使用开源3D Slicer软件(版本4.11.0–2019-03–24)完成,影像组学特征提取使用SlicerRadiomics完成,后者是3D Slicer的免费扩展插件。CT图像以DICOM格式从该机构的PACS中提取并传输至3D Slicer。病灶分割由三名放射科医师(G.A.、M.J.和A.K.,具有4–8年胸部CT图像判读经验)手动独立完成,他们对组织病理学诊断设盲。
对于病灶分割,在介入术前平扫CT图像的CT肺窗设置(窗位,− 600 HU;窗宽,1200 HU)下手动勾画目标肺结节和肿块的边界。病灶在轴位层面上逐层进行3D分割,并以轴位层面最大径进行2D分割,包括存在的病灶周围磨玻璃影。不属于目标病灶的骨骼和软组织被排除。3D和2D分割的额外分析使用排除低于− 50 HU密度值的衰减阈值进行,以避免意外分割空气,如先前其他地方所述[17]。
纹理分析包括一阶特征(描述灰度值的18个特征)、灰度共生矩阵(GLCM)特征(24个特征,反映具有特定值和特定空间关系的像素或体素对的频率)、灰度依赖矩阵(GLDM)特征(14个特征,基于依赖于中心的一定距离内相连像素或体素的数量)、灰度游程长度矩阵(GLRLM)特征(16个特征,基于具有相同灰度值的连续像素或体素的长度)、灰度大小区域矩阵(GLSZM)特征(16个特征,量化由具有相同灰度值的像素或体素数量定义的灰度区域)以及邻域灰度差矩阵(NGTDM)特征(5个特征,描述灰度值与其一定距离内邻域均值之间的差异)[12]。此外还分析了代表分割病灶形状特征的14个参数。
应用高斯拉普拉斯(LoG)滤波器以生成精细到粗糙的纹理特征,滤波值分别为0.5、1.5和2.5,如先前在肺部CTTA中所述[14, 17, 18]。
此外,还衍生了744个基于小波的纹理特征,包含四种不同的频带组合(低-低、高-高、高-低、低-高)。
总体而言,共有1130个影像组学特征纳入分析。
统计分析
描述性统计中,分类数据以绝对频数和相对频数表示,连续数据以均数和标准差(SD)或中位数和范围表示。不同评估者之间在分割病灶上的一致性通过组内相关系数(ICC)对1130个影像组学特征分别进行评估。ICC采用双向随机模型(ICC (2,1) 概念)评估。根据Koo和Li [19],ICC值定义为差(< 0.50)、中等(0.50–0.75)、良好(0.75–0.90)或优秀(> 0.90)。统计分析使用SAS软件(版本9.4;SAS Institute, Inc.)进行。
结果
患者人口统计学和分割肺部病灶的详细信息见表1。在应用− 50 HU阈值时,2例机化性肺炎患者和3例类癌患者被排除在分析之外,因为在该密度以上没有可计算的病灶残留。
图1显示了1例机化性肺炎患者CT扫描中肺部病灶的示例,分别在最大轴径上使用和不使用− 50 HU密度阈值进行分割。腺癌、鳞状细胞癌、类癌和小细胞肺癌分割的附加图作为电子补充材料提供。所有1130个提取的影像组学特征在3D和2D分割中不使用和使用− 50 HU密度阈值时的ICC分布范围较广(图2)。
在所有四种不同分割设置下,ICC值为优秀或良好的特征包括8个(57.1%)形状参数、4个(4.3%)原始特征、32个(11.5%)LoG滤波纹理特征和50个(6.7%)基于小波的纹理特征(表2)。
大多数(8/14)形状参数在所有分割设置下具有优秀或良好的ICC值。2D分割不使用HU阈值时ICC值最高(79%优秀或良好)。对于使用HU阈值进行2D分割后得出的形状参数以及不使用HU阈值进行3D分割后得出的形状参数,71%的ICC值为优秀或良好。对于使用HU阈值进行3D分割的形状参数,64%的ICC值为优秀或良好。形状参数观察者间信度的详细信息见表3和图3。
93个原始特征(一阶、GLCM、GLDM、GLRLM、GLSZM、NGTDM)的ICC在2D和3D中分别在不使用和使用− 50 HU阈值时进行计算。与使用HU阈值相比,不使用HU阈值进行分割时观察到更高的ICC值,无论是3D(38%优秀或良好)还是2D分割(33%优秀或良好)。使用HU阈值进行分割得出的原始特征ICC值显著较低(3D:11%优秀或良好;2D:8%优秀或良好;表3和图3)。
对原始特征应用0.5、1.5和2.5的LoG滤波器,共获得279个LoG滤波参数,对其观察者间信度进行分析。这些参数的ICC值在不使用HU阈值进行分割时高于使用− 50 HU阈值时,无论是3D分割(33%优秀或良好 vs. 31%优秀或良好)还是2D分割(34%优秀或良好 vs. 20%优秀或良好)。
原始特征和LoG滤波特征ICC的详细信息见表3和图3。
共提取了744个基于小波的纹理参数,涵盖四种不同波段组合。在源自3D分割的基于小波的纹理参数中,应用HU阈值后提取的参数(25.0%为优秀或良好)与未应用HU阈值提取的参数(24.6%为优秀或良好)之间,ICC值无显著差异。然而,对于源自2D分割的基于小波的纹理参数,应用HU阈值所得的ICC值(16.4%为优秀或良好)甚至低于未应用HU阈值者(20.6%为优秀或良好)。基于小波的纹理参数观察者间信度的详细结果见表3。
讨论
本研究探讨了2D与3D手动分割及是否应用−50 HU阈值对不同类型组织学证实肺部病变CTTA信度的影响。总体而言,原始、LoG滤波和基于小波的纹理特征的纹理分析信度较低,这些特征中ICC为优秀或良好的比例仅为8%至38%。ICC优秀和良好比例最高见于3D分割且未应用HU阈值时,而ICC优秀和良好比例最低见于2D分割且应用HU阈值时。
影像组学是一种基于图像分析对病变进行无创组织表征的有前景的方法[1]。然而,多项研究已确定病变分割过程是纹理分析变异性的一个重要来源[20]。肿瘤类型和肿瘤部位已被证明会影响病变勾画的观察者间变异性,从而影响影像组学分析[21]。在肾脏肿块中,对观察者内和观察者间变异性的研究表明,增强CT分割的信度高于平扫CT[12],且纹理分析因对比剂注射方案的期相而异[22]。在非小细胞肺癌(NSCLC)的PET/CT中,影像组学特征具有较高的重测和观察者间稳定性[23],与更常用的PET参数SUVmax、SUVmean和SUVpeak相似,且影像组学特征的性能更多取决于勾画方法而非所应用的重建方法[24]。
关于不同分割设置下肺部病灶CT纹理分析(CTTA)可靠性的研究很少。在非小细胞肺癌(NSCLC)患者中,特征可靠性在手动分割与不同半自动分割方法之间存在差异[25]。肺部肿瘤异质性的表征及三维分割中的可重复性此前被描述为优于二维分割[26, 27]。仅基于最大直径的二维分割可能具有减少潜在运动和呼吸伪影的优势,而当在三维中分割更多CT层面时,这些伪影可能更为明显。另一方面,三维分割包括整个肿瘤,可能更好地描绘用于CTTA中病灶分类的平均组织特性。然而,三维分割的一个潜在缺点是,分割图像层面的数量较多可能导致纳入更大量的潜在非肿瘤组织,从而可能扭曲结果。在本研究中,三维与二维分割之间ICC值的最大差异见于使用HU阈值后得出的LoG滤波纹理特征(三维:31%优秀或良好 vs. 二维:20%优秀或良好ICC值)以及预分割使用HU阈值后得出的基于小波的参数(三维:25.0%优秀或良好 vs. 二维:16.4%优秀或良好ICC值)。对于所有其他分割设置组合,三维与二维之间ICC值的差异较小,但尽管如此,三维分割始终导致比二维分割更高的ICC。
在ICC值上观察到的最显著差异,出现在无HU阈值条件下进行3D或2D分割后提取的原始纹理特征(分别有38%和33%的ICC值为优或良)与在HU阈值为− 50条件下进行3D或2D分割后提取的原始纹理特征(分别有11%和8%的ICC值为优或良)之间。除了基于3D分割提取的小波特征在应用HU阈值后ICC值略高于未应用HU阈值时(优或良25% vs. 优或良24.6%)之外,所有其他从3D和2D分割中提取的参数在无HU阈值进行分割时均显示出更高比例的优和良ICC值。尽管有假说认为,对CTTA应用− 50 HU阈值可以防止潜在的对病变外肺组织的分割[14, 15],但尚不清楚HU阈值是否不仅排除了可忽略的病变外肺实质改变,还排除了肺病变的特征性亚实性部分,如此前针对腺癌的报道[16]。此外,应当应用的HU阈值最佳值仍不确定。在我们的研究队列中,五分之一的肺病变(75例中的14例,表1)伴有磨玻璃影,结果支持无HU阈值进行分割,尤其是在需要分析原始纹理特征时。值得注意的是,纹理特征的整体可靠性低于此前报道[12, 21]。这可能是由于本研究中肺病变的选择所致。为了代表临床实践中遇到的真实场景,我们纳入了表现异质性的各种类型肺病变。这可能导致肿瘤与肺不张肺组织、大血管和纵隔结构之间勾画出现相当大的变异性。当使用− 50 HU阈值时,2例机化性肺炎患者和3例类癌患者被排除在我们的分析之外,因为不存在密度高于该阈值的可计算病变——这表明使用负密度阈值分割亚实性肺病变存在局限性。
形状参数在超过半数病例中具有优至良的ICC。形状参数的最高ICC见于无HU阈值的2D分割,最低见于有HU阈值的3D分割。这些结果提示2D分割在病变勾画方面具有稳健的观察者间一致性。3D分割中ICC较低的一种解释可能是,由于必须在更多层面上进行勾画,3D中病变勾画的观察者间变异增加。
我们能够识别出一小部分纹理特征(表2),其ICC值非常高且不依赖于分割设置。可能有必要开展进一步研究,以确定这些稳健的纹理特征能否可靠地为感兴趣病变的表征提供支持。
本研究最主要的局限性在于纳入的患者数量较少。尽管如此,这是迄今为止在临床环境中研究不同分割设置对各种肺病变影像组学可靠性影响的最大研究。
此前已有研究表明,许多影像组学特征在不同的CT采集参数和扫描仪下不可重复且存在冗余[28]。因此,本研究仅纳入使用相同采集参数并在同一台CT扫描仪上扫描的患者。因此,我们的试验结果不能推广至不同的CT扫描仪类型和图像采集参数。为检验影像组学的稳健性并推动CT纹理分析(CTTA)向常规应用迈进,若能在本研究中评估不同扫描仪类型和图像采集参数的影响,将会有所帮助。
总之,我们的研究表明,在组织病理学上异质性肺病变中,CT衍生纹理特征的观察者间信度较低,而当不使用HU阈值进行三维分割时,总体信度较高。我们识别出很小一部分纹理特征,其观察者间信度极高且与分割设置无关。这些结果表明CTTA的适用性有限,并且需要为各种类型肺病变的特征描述定义稳健的纹理特征。
补充信息
以下是电子补充材料的链接。补充文件1(PDF 1083 KB)
引用
- Adelsmayr, Janisch, Kaufmann-Bühler, et al. CT texture analysis reliability in pulmonary lesions: the influence of 3D vs. 2D lesion segmentation and volume definition by a Hounsfield-unit threshold. Eur Radiol. 2023. PMID: 36947188. doi:10.1007/s00330-023-09500-8
- 全文:PMC10121537(PMC 开放获取,CC BY)https://pmc.ncbi.nlm.nih.gov/articles/PMC10121537/
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。