【摘要】：背景:高級(jí)別膠質(zhì)瘤(high grade gliomas,HGG)和腦轉(zhuǎn)移瘤(metastatic brain tumor,METS)是最常見的成人惡性腦腫瘤。HGG和METS在新陳代謝、血管構(gòu)成、微環(huán)境因素、形態(tài)和功能上都存在著明顯差異,鑒別二者也非常必要。然而,這兩者在常規(guī)MRI上似乎是難以區(qū)分的,因?yàn)槎呔哂邢嗨频挠跋裉卣骱驮鰪?qiáng)改變,在許多情況下無法區(qū)分。如果能在術(shù)前對(duì)二者進(jìn)行鑒別,就可以制定更好的治療方案。以前,有很多研究嘗試使用非侵入性、先進(jìn)的醫(yī)學(xué)影像技術(shù)來鑒別二者,但收效甚微,究其原因是多數(shù)研究或者僅包括腫瘤實(shí)質(zhì),或者僅關(guān)注瘤周區(qū),或采用很小的ROIs而非常低估了估瘤的異質(zhì)性。磁共振紋理分析(MRTA)是一種新的圖像分析技術(shù),可以幫助我們獲得多達(dá)數(shù)以百計(jì)的參數(shù)來評(píng)價(jià)腫瘤,并基于腫瘤全域評(píng)估腫瘤的異質(zhì)性。此外,它有助于描述圖像的所有紋理特征,如強(qiáng)度、形狀、大小、體積、腫瘤表型、遺傳和微觀環(huán)境因素,而這是肉眼看不到的,并可以提高診斷準(zhǔn)確性。因此,采用基于腫瘤全域的非侵入性技術(shù)來鑒別HGG與METS是非常必要的。目的:本研究對(duì)HGG與METS的表觀彌散系數(shù)(apparent diffusion coefficient,ADC)圖進(jìn)行基于腫瘤全域的紋理分析(texture analysis,TA),進(jìn)而評(píng)估紋理分析對(duì)兩種腫瘤的鑒別診斷能力。材料與方法:本研究是一項(xiàng)回顧性研究,患者來源于大連醫(yī)科大學(xué)附屬第一醫(yī)院放射科。本研究共收集了經(jīng)手術(shù)病理證實(shí)的50例HGG和32例METS患者。所有患者均行術(shù)前MRI檢查,使用GE Signa HDxt 3.0T磁共振掃描儀(8通道頭線圈);所掃描的序列包括矢狀位T1WI、軸位T1WI、軸位T2WI、軸位T2 Flair、軸位彌散加權(quán)成像(diffusion weighted imaging,DWI)和軸位增強(qiáng)T1WI。我們使用ADW4.6工作站functool2軟件對(duì)所有患者DWI圖像進(jìn)行后處理,獲取并保存ADC圖以備后續(xù)處理。我們使用Omnikinetics軟件(GE藥業(yè)公司,中國(guó))對(duì)ADC圖進(jìn)行TA分析,逐層在每個(gè)腫瘤的ADC圖上沿水腫邊緣勾畫ROI區(qū),包括整個(gè)腫瘤實(shí)質(zhì)(涵蓋囊變區(qū)、壞死區(qū)或出血區(qū))和瘤周水腫區(qū)。之后將多個(gè)層面的ROI區(qū)域進(jìn)行疊加重建形成一個(gè)3DROI。記錄每個(gè)病例的直方圖曲線及紋理參數(shù),以作進(jìn)一步統(tǒng)計(jì)學(xué)分析。共計(jì)33個(gè)ADC圖的紋理參數(shù),包括15個(gè)一階直方圖參數(shù)(First order histogram parameters,FOHP):最小值(minimum intensity,MIN)、最大值(maximum intensity,MAX)、中間值(median intensity,MI)、偏度(skewness)、峰度(kurtosis)、平均差(mean deviation,MD)、相對(duì)差(relative deviation,RD)、標(biāo)準(zhǔn)差(standard deviation,SD)、值域(range)、體素?cái)?shù)(voxel value sum,VVS)、均方根值(root mean square,RMS)、一致性(uniformity)、變異(variance)、平均值mean value(MV)和體積數(shù)volume count(VC);8個(gè)灰度共生矩陣(Gray level co-occurrence matrix,GLCM)參數(shù):能量(energy)、熵值(entropy)、惰性(inertia)、相關(guān)性(correlation)、逆差矩(inverse difference moment,IDM)、集群陰影(cluster shade,CS)、集群突出(cluster prominence,CP)和Haralick相關(guān)(Haralick correlation,HC);以及10個(gè)灰度游程長(zhǎng)度矩陣(Gray level run length maxia,GLRM)參數(shù):短期重點(diǎn)(short run emphasis,SRE)、長(zhǎng)期重點(diǎn)(long run emphasis,LRE)、灰度不均勻(gray level non uniformity,GLN)、運(yùn)行長(zhǎng)度的不均勻性(run length non uniformity,RLN),低灰度游程(low gray level run emphasis,LGLRE)、高灰度游程(high gray level run emphasis,HGLRE)、短期低灰度級(jí)重點(diǎn)(short run low gray level emphasis,SRLGLE)、短期高灰度級(jí)的重點(diǎn)(short run high gray levelemphasis,SRHGLE)、長(zhǎng)期低灰度級(jí)重點(diǎn)(long run low gray level emphasis,LRLGLE)和長(zhǎng)期高灰度級(jí)重點(diǎn)(long run high gray level emphasis,LRHGLE)。全部數(shù)據(jù)用SPSS 20.0進(jìn)行統(tǒng)計(jì)學(xué)分析:使用Shapiro-Wilk檢驗(yàn)數(shù)據(jù)是否符合正態(tài)分布;HGG和METS的TA參數(shù)值如VC、VVS和IDM使用獨(dú)立樣本t檢驗(yàn),非參數(shù)值如MIN、MAX、MI、偏度、峰度、MD、RD、SD、值域、RMS、一致性、變異、MV、能量、熵值、惰性、相關(guān)性、IDM、CS、CP、HC、SRE、LRE、GLN、RLN、LGLRE、HGLRE、SRLGLE、SRHGLE、LRLGLE和LRHGE采用Mann-Whitney U檢驗(yàn)。利用(ROC)曲線計(jì)算曲線下面積(AUC)和P值從而確定各獨(dú)立危險(xiǎn)因素的診斷能力,以診斷閾值、靈敏度和特異性顯示參數(shù)的診斷效能。P0.05視為有統(tǒng)計(jì)學(xué)意義。結(jié)果:1.其中VC(P=0.009)、VVS(P=0.013)、RMS(P=0.000)、RD(P=0.042,RD)、相關(guān)性(P=0.016)、能量(P=0.000)、熵值(P=0.000)、GLN(P=0.009)、RLN(P=0.005)、LGLRE(p=0.023)、SRLGLE(P=0.027)、LRLGLE(P=0.000)和LRHGLE(p=0.030)在HGG與METS中有統(tǒng)計(jì)學(xué)差異。HGG的VVS、VC、RD、能量、熵值、相關(guān)性、LN、RLN和LRHGLE的均值±標(biāo)準(zhǔn)差高于METS。2.ROC曲線分析顯示HGG和METS在熵值(AUC=0.955,P=0.009)、RLN(AUC=0.684,P=0.014)、VC(AUC=0.67,P=0.042)、GLN(AUC=0.671,P=0.000)、VVS(AUC=0.663,P=0.016)、相關(guān)性(AUC=0.659,P=0.010)和RD(AUC=0.634,P=0.005)之間存在顯著差異。最大AUC(0.955)來自熵值,其靈敏度為91.8%,特異性為100%。結(jié)論:采用基于全腫瘤檢查的MR紋理分析,其中有13個(gè)參數(shù)如VVS、VC、RMS、RD、能量、熵值、相關(guān)性、GLN、RLN、LGLRE、SRLGLE、LRHGLE和LRLGLE在HGG和METS之間存在顯著差異。ROC曲線檢驗(yàn)也證明這13個(gè)參數(shù)中有7個(gè)具有很強(qiáng)的診斷能力。因此,我們可以得出這樣的結(jié)論:基于腫瘤全域紋理分析的定量ADC圖有助于HGG和METS腫瘤異質(zhì)性鑒別,其中熵值是最好的鑒別診斷指標(biāo)。
【學(xué)位授予單位】：大連醫(yī)科大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2018
【分類號(hào)】：R739.41;R445.2

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 陳艷;張景發(fā);姜文亮;李強(qiáng);;基于HJ-1C衛(wèi)星數(shù)據(jù)的活動(dòng)斷層提取研究[J];地殼構(gòu)造與地殼應(yīng)力文集;2016年02期

2 李德仁;張繼賢;;影象紋理分析的現(xiàn)狀和方法(一)[J];武測(cè)科技;1993年03期

3 宋子安;唐勤生;;車床加工紋理分析——車床走刀均勻性的研究[J];裝備機(jī)械;1988年01期

4 吳健康,張偉明;應(yīng)用紋理分析的DCT圖象編碼[J];通信學(xué)報(bào);1989年01期

5 余軍,吳國(guó)威,吳中權(quán);三維物體表面的紋理綜合[J];電子學(xué)報(bào);1989年02期

6 陳賀新,戴逸松;圖象紋理分析的約束最小二乘濾波器[J];電子學(xué)報(bào);1989年06期

7 舒寧;衛(wèi)星遙感影像紋理分析與分形分維方法[J];武漢測(cè)繪科技大學(xué)學(xué)報(bào);1998年04期

8 黃勝華,劉海鷹,彭思龍,洪繼光;基于非乘積型小波的紋理分析[J];中國(guó)圖象圖形學(xué)報(bào);1998年09期

9 張鵬志;李蘭斌;;地震紋理分析在油氣勘探中應(yīng)用進(jìn)展[J];物探與化探;2013年03期

10 姚煒,趙玉華;計(jì)算機(jī)紋理分析在超聲診斷中的應(yīng)用[J];中華超聲影像學(xué)雜志;1999年02期

相關(guān)會(huì)議論文 前10條

1 盧海燕;陳明;孫梅;宋樹良;馬艷;鄭傳立;;肝纖維化超聲圖像紋理分析與組織學(xué)檢查對(duì)照研究[A];第二屆長(zhǎng)三角超聲醫(yī)學(xué)論壇暨2009年浙江省超聲醫(yī)學(xué)學(xué)術(shù)年會(huì)論文匯編[C];2009年

2 楊關(guān);馮國(guó)燦;鄒小林;劉志勇;;彩色紋理分析中的高斯圖模型[A];第十五屆全國(guó)圖象圖形學(xué)學(xué)術(shù)會(huì)議論文集[C];2010年

3 蹇兆成;龍金鳳;劉玉江;胡向東;錢林學(xué);;超聲彈性成像聯(lián)合紋理分析判定肝纖維化分期的價(jià)值研究[A];中國(guó)中西醫(yī)結(jié)合學(xué)會(huì)醫(yī)學(xué)影像專業(yè)委員會(huì)第十五次全國(guó)學(xué)術(shù)大會(huì)暨上海市中西醫(yī)結(jié)合學(xué)會(huì)醫(yī)學(xué)影像專業(yè)委員會(huì)2017年學(xué)術(shù)年會(huì)暨《醫(yī)學(xué)影像新技術(shù)的臨床應(yīng)用》國(guó)家級(jí)繼續(xù)教育學(xué)習(xí)班資料匯編[C];2017年

4 熊欣;何中市;;紋理分析在超聲圖像中的應(yīng)用[A];2008年計(jì)算機(jī)應(yīng)用技術(shù)交流會(huì)論文集[C];2008年

5 鄭杰;韓梅;;基于微位移的超分辨率重建技術(shù)[A];2008'中國(guó)信息技術(shù)與應(yīng)用學(xué)術(shù)論壇論文集（一）[C];2008年

6 舒寧;;多光譜和高光譜影像紋理分析的幾種方法[A];第十五屆全國(guó)遙感技術(shù)學(xué)術(shù)交流會(huì)論文摘要集[C];2005年

7 馬海清;黃劍華;劉家鋒;;基于邊緣檢測(cè)和紋理分析的圖像文本定位方法[A];黑龍江省計(jì)算機(jī)學(xué)會(huì)2007年學(xué)術(shù)交流年會(huì)論文集[C];2007年

8 馬德新;楊帆;侯景忠;高金喬;;基于灰度共生矩陣的掌紋識(shí)別技術(shù)研究[A];第六屆全國(guó)信息獲取與處理學(xué)術(shù)會(huì)議論文集（2）[C];2008年

9 張文君;謝明星;王新房;張軍;董昌元;易建華;許先成;林意;;超聲心動(dòng)圖計(jì)算機(jī)紋理分析法評(píng)價(jià)犬急性心肌梗死的實(shí)驗(yàn)研究[A];2003年全國(guó)醫(yī)學(xué)影像技術(shù)學(xué)術(shù)會(huì)議論文匯編[C];2003年

10 劉佳;李哲英;王淑英;;路標(biāo)識(shí)別算法研究[A];2008通信理論與技術(shù)新發(fā)展——第十三屆全國(guó)青年通信學(xué)術(shù)會(huì)議論文集（下）[C];2008年

相關(guān)博士學(xué)位論文 前10條

1 謝彩琴;Gd-EOB-DTPA MRI紋理分析在預(yù)測(cè)肝癌TACE術(shù)后早期療效的初步研究[D];南方醫(yī)科大學(xué);2018年

2 劉建立;基于小波紋理分析和魯棒貝葉斯神經(jīng)網(wǎng)絡(luò)的非織造材料外觀質(zhì)量識(shí)別[D];蘇州大學(xué);2010年

3 孫慧賢;基于紋理分析的視覺檢測(cè)方法與應(yīng)用研究[D];國(guó)防科學(xué)技術(shù)大學(xué);2010年

4 楊蕾;基于小波域馬爾可夫激光散斑表面粗糙度測(cè)量方法研究[D];合肥工業(yè)大學(xué);2015年

5 張國(guó)鵬;三維紋理分析在虛擬結(jié)腸鏡計(jì)算機(jī)輔助檢測(cè)/診斷中的應(yīng)用研究[D];第四軍醫(yī)大學(xué);2013年

6 金舟;圖像著色關(guān)鍵技術(shù)分析及其應(yīng)用[D];天津大學(xué);2011年

7 Hassana Grema Kaganami（哈桑）;基于顏色和紋理特征的圖像增強(qiáng)和分析算法[D];中南大學(xué);2010年

8 王冬;納米級(jí)微泡增強(qiáng)乳腺腫瘤顯像效果及高強(qiáng)度聚焦超聲消融效果的實(shí)驗(yàn)研究[D];重慶醫(yī)科大學(xué);2012年

9 王慶香;基于小波的紋理分析及其在FPC金面缺陷檢測(cè)中的應(yīng)用[D];華南理工大學(xué);2011年

10 侯曉丹;網(wǎng)絡(luò)環(huán)境下圖像隱寫分析中的失配問題研究[D];解放軍信息工程大學(xué);2017年

相關(guān)碩士學(xué)位論文 前10條

1 周晚君;水泥路面紋理構(gòu)造恢復(fù)方法及評(píng)價(jià)研究[D];長(zhǎng)安大學(xué);2018年

2 張娜;CT紋理分析技術(shù)鑒別孤立性肺結(jié)節(jié)良惡性的可行性研究[D];山西醫(yī)科大學(xué);2018年

3 張仕慧;Bp-MRI 3D紋理分析對(duì)高級(jí)別前列腺癌診斷及評(píng)估的初探[D];遵義醫(yī)學(xué)院;2018年

4 王俊;紋理分析對(duì)胰腺導(dǎo)管腺癌、神經(jīng)內(nèi)分泌腫瘤及實(shí)性假乳頭狀腫瘤鑒別診斷的價(jià)值[D];中國(guó)醫(yī)科大學(xué);2018年

5 孟祥玉;基于增強(qiáng)MRI圖像的紋理分析對(duì)肝臟局灶病變的鑒別診斷價(jià)值[D];中國(guó)醫(yī)科大學(xué);2018年

6 裴子璐;基于CT圖像的3D紋理分析鑒別腎細(xì)胞癌的初步價(jià)值[D];安徽醫(yī)科大學(xué);2018年

7 Padikkalakandy Cheriyath Shesnia Salim;定量ADC圖的紋理分析對(duì)高級(jí)別膠質(zhì)瘤與腦轉(zhuǎn)移瘤的鑒別診斷[D];大連醫(yī)科大學(xué);2018年

8 Nafir Abdul Jaleel;磁共振圖像紋理分析在晚期鼻咽癌分期中的應(yīng)用及對(duì)鼻咽癌治療反應(yīng)的預(yù)測(cè)價(jià)值[D];大連醫(yī)科大學(xué);2018年

9 張涵笑;基于紋理分析的兒童常見后顱窩腫瘤的鑒別[D];鄭州大學(xué);2018年

10 余加懿;基于MR增強(qiáng)圖像的紋理分析預(yù)測(cè)肝癌經(jīng)TACE聯(lián)合HIFU治療后早期療效的價(jià)值[D];重慶醫(yī)科大學(xué);2018年

，

本文編號(hào)：2631749