Page 124 - 南京医科大学学报自然科学版
P. 124
第42卷第10期
·1466 · 南 京 医 科 大 学 学 报 2022年10月
1.2.2 CT扫描参数 (gray⁃level cooccurrence matrix,GLCM)、16 个灰度
本研究66例患者均采用GE Light⁃speed 64排螺 游程长度矩阵特征(gray⁃level run length,GLRL)
旋 CT 扫描仪,扫描参数如下:管电压 120 kVp,管电 及 16 个灰度区域大小矩阵特征(gray⁃level zone
流 200~250 mAs,扫描层厚 5 mm,层间距 5 mm。所 size matrix,GLZSM)。
有患者在进行 CT 检查前至少禁食 8 h,均采用仰 1.3 统计学方法
卧位进行扫描,范围:上至膈肌顶部,下至双肾下 统计分析采用 SPSS 22.0,所有计量资料使用
极。行 CT 平扫扫描后,以 3.5 mL/s 的注射速率,由 正态性分布检验,符合正态分布的计量资料用均
高压注射器经肘正中静脉注射对比剂(欧乃派克) 数±标准差(x ± s)表示,两组间比较采用两独立样本
1.5 mL/kg,注射后约 30 s 和 60 s 行动脉期和静脉期 t 检验;不符合正态分布的计量资料用中位数(四分
扫描。 位数)[M(P25,P75 )]表示,两组间比较采用 Mann⁃
1.2.3 CT图像分析 Whitney U检验。计数资料以绝对数或百分比表示,
训练组及外部验证组 CT 图像通过影像存档和 组间比较采用卡方检验或连续校正卡方检验,将单
通信系统(PACS)传输到医生工作站后,分别由两位 因素分析有统计学差异的参数纳入多因素 Logistic
经验丰富的放射科医生(均具有 10 年以上经验)对 回归分析,进一步筛选出最佳预测参数并建立预测
以下影像学特征进行评估:①肿瘤的大小(肿瘤的 模 型 。 通 过 受 试 者 工 作 特 征(receiver operating
最大层面测量肿瘤的直径,cm);②位置(头颈、钩 characteristic,ROC)曲线,得到模型及各参数曲线下
突、体尾);③胰尾萎缩(胰尾体积明显缩小);④胰 面积(area under curve,AUC)、最佳临界值、灵敏度
管扩张(主胰管直径≥3 mm);⑤边界:边界清楚(肿 及特异度。以双侧P < 0.05为差异有统计学意义。
瘤边缘清楚无毛刺或浸润少于 80%)或边界模糊
2 结 果
[18]
(肿瘤边缘毛糙) ;⑥胆总管扩张(胆总管最宽处
直径≥9 mm);⑦血管侵犯:观察肝总动脉、脾动静 2.1 临床和影像学特征
脉、胃十二指肠动脉、肠系膜上动静脉和门静脉受 本研究中训练组共 66 例 PDAC 患者,其中高分
侵犯情况,标准指肿瘤与血管接触范围超过 180°, 化 34 例,中⁃低分化 32 例。外部验证组共有 34 例
可伴有血管的闭塞或血栓形成;⑧测量感兴趣区内 PDAC患者,其中高分化21例,中低分化13例。训练
肿瘤及胰腺实质的CT值,共测量3次,取其平均值, 组中⁃低分化PDAC患者血清糖类抗原125(carbohy⁃
尽量选择动脉期及静脉期图像的同一层面进行测 drate antigen 125,CA125)水平显著高于高分化患者
量。增强扫描肿瘤的强化程度使用肿瘤实质与正常 (P = 0.001),中⁃低分化PDAC在静脉期CT图像上肿
胰腺组织的静脉期 CT 值的比值(tumor to pancreas 瘤实质与正常胰腺组织静脉期 CT 值的比值(tumor
ratio at portal venous phase,TPER)表示。两位医生 to pancreas ratio at portal venous phase,TPER)明显低
对术后的病理结果及临床信息并不知情,当评估结 于高分化PDAC(P = 0.005,表1)。验证组临床及影
果不一致时,以两位医生讨论后的结果为准。 像特征在高、中低分化组间差异均无统计学意义
1.2.4 CT纹理分析 (P > 0.05,表2)。
从 PACS 获得所有患者的腹部增强 CT 动、静脉 2.2 CT 动、静脉期纹理特征的筛选和模型预测效
期图像,并以 DICOM 格式导出,本研究采用计算机 能分析
自动分割算法对肿瘤感兴趣区域(region of interest, 将选取的纹理特征进行单因素分析,基于动脉
ROI)进行全容积分割,然后由上述两位放射科医师 期、静脉期分别筛选出 5、16 个纹理特征。将上述
使用 ITK⁃SNAP(开源软件,https://www.itksnap.org/) CT 纹理特征纳入多因素 Logistic 回归分析,并分别
对自动分割结果进行校正。避开肿瘤周围的胰腺 构建动、静脉期 CT 纹理特征模型,结果显示动脉期
实质组织、十二指肠、胰胆管及胰周血管,最终多层 纹理特征中的运行熵(run entropy)和静脉期纹理特
面 ROI 重建获得 VOI(volume of interest)(图 1)。将 征中的区域百分比(zone percentage)及区域大小不
分割完毕的图像导入 Pyradiomics 软件(开源软件, 均匀性(size⁃zone non⁃uniformity)是预测 PDAC 分化
https://github.com/Radiomics/pyradiomics)并从中提 程度的最佳影响因素(P 值分别为 0.024、0.013 和
取影像组学特征 732 个,采用其中 72 个纹理特征, 0.016)。在训练组和验证组进行 ROC 曲线分析,基
包括 18 个直方图特征、22 个灰度共生矩阵特征 于 CT 动脉期纹理特征模型在训练组和验证组的