论文部分内容阅读
目的:分析肝脏泡型包虫病(Hepatic Alveolar Echinococcosis,HAE)能谱CT、MRI成像特点与分型,并与组织病理学指标及18氟脱氧葡萄糖标记的正电子发射断层摄影术(18FDG-PET/CT)对照研究,比较能谱CT、MRI成像技术对HAE病灶生物活性的评价效能,找到最佳的影像学检查手段,利用影像组学和人工智能技术建立肝泡球蚴生物活性预测模型。方法:收集2012年1月-2020年6月期间,新疆医科大学第一附属医院收治并确诊的HAE患者156例。确诊标准来源于世界卫生组织包虫病工作组(The WHO Informal Working Group on Echinococcosis,WHO-IWGE)推荐标准,最终入组136例。所有患者均进行了MRI和PET/CT检查,获得最大标准化摄取值(SUVmax)。如果病灶SUVmax值高于正常肝实质的摄取值即定为具有生物活性,反之,摄取值等于或低于正常肝实质摄取值,则定义为病灶无生物活性。其中18例患者行能谱CT增强扫描检查,分析测量CT值、碘定量、最佳CNR(Contrast to noise ratio,CNR)值,曲线斜率。收集18例患者手术标本并制备组织切片,行HE、Masson及免疫组化CD34染色。分析病灶不同区域的碘值与相应区域的微血管密度(Microvessel density,MVD)计数的相关性,对病灶边缘区域能谱CT碘值和PET/CT代谢活性摄取值SUVmax进行相关性分析,同时根据能谱CT碘图成像和PET/CT图像分别对HAE病灶的活性进行定性评估分级,对评估结果进行两个等级(秩)变量间的一致性分析,计算Kappa值。依据MRI检查结果,对136例HAE患者病灶实施Kodama影像分型,探讨基于MRI征象为基础的Kodama分型与PET/CT生物活性分类结果的相关性。MRI与PET/CT图像分型观察者间一致性检验使用Fleiss’s Kappa和Cohen’s Kappa检验。以PET/CT结果为标准,将136个病例分为训练集(有活性组),测试集(无活性组),应用训练集T2WI图像,通过图像分割,特征提取,降维处理,建立预测模型,应用测试集T2WI图像数据验证模式的效能。主要应用了Python 3.6(https://www.python.org/)执行标准化,特征选择和模型构建。使用SPSS20.0版(SPSS Inc.)进行临床信息的统计分析。研究中的检验是双尾检验,P<0.05被认为具有统计学意义。结果:18个进行能谱CT的HAE病例,7个为实体型病灶,2个为假囊肿型,9个混合型病灶。HAE病灶边缘区CD34染色阳性表达率为94.4%(17/18),其中强阳性占16.7%(3/18),中等阳性为61.1%(11/18),弱阳性占11.1%(2/18),5.6%(1/18)为阴性。病灶边缘区动脉期、门脉期、静脉期碘浓度均值分别为:7.25±3.80,28.40±7.59,26.26±6.74,与同期相实性成分和正常肝实质碘值比较存在差异(P=0.000)。MVD计数在HAE病灶边缘区的均值为27.81±7.17,与病灶内部实性部分(0.72±1.17)和正常肝实质(4.24±2.05)MVD值比较差异有统计学意义(P=0.000)。HAE病灶边缘区碘定量值与相应的MVD值相关系数分别为:动脉期(r=0.029,P=0.909),门静脉期(r=0.775,P=0.000)和静脉期(r=0.659,P=0.003)。HAE病灶边缘区碘定量值与PET-CT代谢摄取值SUVmax的相关系数分别为:动脉期(r=0.644,P=0.000),门静脉期(r=0.812,P=0.000)和静脉期(r=0.697,P=0.000)。18个病例在PET/CT结果显示17个(94.4%)个具有生物活性,在能谱CT图像上观察到具有边缘呈现强化模式的病灶有16个(88.9%),两种方法对于生物活性的评价具有较好的一致性,Kappa值为0.364,P=0.546。136个病例的Kodama分型:1型,4/136(2.7%);2型,33/136(24.3%);3型,83/136(61.3%);4型12/136(8.9%);5型4/136(2.8%)。依据PET/CT结果判别90例病灶具有活性,测得其SUV值的范围从4.4至22.9(平均11.3),主要分布在:1型(100%)4个,2型(81.8%)27个,3型(63.9%)53个、41.7%的4型(41.7%)5个,5型(25.0%)1个。46个病灶不存在生物活性的病灶主要分布在:2型(18.2%)6个,3型(36.1%)30个,4型(58.3%)7个以及5型(75.0%)3个。在T2WI图像分割提取基础上,应用影像组学方法筛选出的最优特征包含一阶统计量特征(n=2)和纹理特征(n=1),以及经过滤波器变换的一阶统计量特征(n=16)及纹理特征(n=29)。3种分类器模型在训练集的表现为:LR模型的AUC值为0.855±0.025,准确度为0.806,敏感性为0.836,特异性为0.775;MLP模型的AUC值为0.925±0.057,准确度为0.886,敏感性为0.883,特异性为0.889;SVM模型的AUC值为0.907±0.037,准确度为0.806,敏感性为0.836,特异性为0.775。3种分类器模型在测试集的表现分别为:LR模型AUC值为0.809±0.046,准确度为0.794,敏感性为0.778,特异性为0.811;MLP模型AUC值为0.830±0.053,准确度为0.817,敏感性为0.822,特异性为0.811;SVM模型AUC值为0.804±0.035,准确度为0.794,敏感性为0.778,特异性为0.811。结论:1)能谱CT多参数成像较常规CT能够提供更多的关于HAE病灶组织结构和血供方面的信息,其中病灶边缘区碘定量值与相应区域的MVD值、SUVmax值具有较高的相关性,在一定程度上反映了HAE病灶的生物活性。2)MRI图像对HAE病灶的细微结构显示更具优势,基于MRI影像特征的Kodama分型,可以较好的反映HAE病灶病理状态和进程,与PET/CT结果对比,在一定程度上能够反映HAE病灶的生物活性。3)应用MRI影像组学和人工智能技术,基于MRI影像特征建立的HAE生物活性预测模型,具有非常良好的预测价值,与PET/CT结果具有相近的诊断效力,该模型在临床工作中上有望成为监测和随访评估泡型包虫病活性的补充工具。