能譜CT平掃圖像直方圖紋理分析對腎盂旁囊腫與腎盂積水的鑒別價值

陶健 馬海彥 梁甜甜 曾憲春 王榮品

［摘要］ 目的：探討能譜CT平掃單能量圖像結合直方圖紋理分析對腎盂旁囊腫與腎盂積水的鑒別價值。方法：回顧性收集25例腎盂旁囊腫（腎盂旁囊腫組）和18例腎盂積水患者（腎盂積水組）。應用能譜成像分析平臺測量2組40～140 keV（以10 keV為間隔）11個不同單能量CT值，并分別行統計學比較。單能量CT值差異有統計學意義的，在AW 4.5工作站上重建相應單能量圖像，采用GE Omni-Kinetics軟件進行直方圖紋理分析，選擇病灶最大層面勾畫ROI，生成基于灰度直方圖紋理參數，包括最小值，最大值，均值，標準差，變異度，偏度，峰度，均一性，能量，熵，第5、10、25、50、75、90、95百分位數。采用單因素分析比較2組間參數的差異，基于ROC曲線評價各參數的鑒別價值。采用多因素logistic回歸模型進行特征篩選并構建最終的預測模型，繪制最終模型的ROC曲線并分析其價值。結果：40～50 keV條件下，腎盂旁囊腫組的單能量CT值大于腎盂積水組，差異均有統計學意義（均P<0.05），2組60～140 keV單能量CT值差異均無統計學意義（均P>0.05）。40 keV條件下，2組均值，峰度，能量，熵，第5、10、25、50、75百分位數差異均有統計學意義（均P<0.05），余參數差異均無統計學意義（均P>0.05）；50 keV條件下，2組均值，第10、25、50百分位數差異均有統計學意義（均P<0.05），余參數差異均無統計學意義（均P>0.05）。ROC曲線分析顯示，40 keV圖像紋理參數鑒別腎盂旁囊腫與腎盂積水的AUC為0.696～0.756，均大于50 keV圖像紋理參數的AUC。多因素logistic回歸分析顯示，40 keV圖像紋理參數的峰度、能量和第25百分位數是腎盂旁囊腫與腎盂積水的獨立預測因子，三者聯合診斷鑒別腎盂旁囊腫與腎盂積水的AUC為0.915，敏感度為93.3%、特異度為83.3%。結論：基于能譜CT平掃40 keV圖像的直方圖紋理參數構建的多因素logistic回歸模型能有效鑒別腎盂旁囊腫與腎盂積水。

［關鍵詞］ 腎盂旁囊腫；腎盂積水；體層攝影術，X線計算機；紋理分析；診斷，鑒別

Value of histogram texture analysis of energy spectrum CT to distinguish parapelvic cysts from hydronephrosis

［Abstract］ Objective：To explore the value of energy spectrum CT monochromatic images combined with histogram texture analysis for identifying parapelvic cysts and hydronephrosis. Methods：Retrospectively collected data were obtained from 25 patients with parapelvic cysts and 18 patients with hydronephrosis. The spectral imaging analysis platform was applied to assess monoenergy CT values from 40 to 140 keV at 10 keV increments，and the monoenergy CT values of the two groups were compared. If there were significant differences in monoenergy CT values，the corresponding monoenergy images were reconstructed on AW 4.5 workstation. GE Omni-Kinetics software was used to conduct histogram texture analysis，the largest layer of lesion was selected to outline the ROI，and texture parameters were generated based on grayscale histograms，including the minimum value，maximum value，mean value，standard deviation，variability，skewness，kurtosis，uniformity，energy，entropy，and the 5th，10th，25th，50th，75th，90th，95th percentiles. Single factor analysis was used to compare the differences in each parameter between the two groups. ROC curve was used to analyze the diagnostic value of each parameters. A multivariate logistic regression model was used to screen features and construct the final prediction model，and ROC curve of the final model was drawn，and its value was analyzed. Results：At 40～50 keV，the monoenergy CT values of parapelvic cysts were greater than those of hydronephrosis，the differences were statistically significant （both P<0.05）. There were no significant differences in the monoenergy CT values between the two groups at 60～140 keV. At 40 keV，the mean value，kurtosis，energy，entropy and the 5th，10th，25th，50th，75th percentiles were significantly different between the two groups （all P<0.05），while the other parameters were not significantly different （all P>0.05）. At 50 keV，the mean value and the 10th，25th，50th percentiles were significantly different between the two groups （all P<0.05），while the other parameters had no significant differences （all P>0.05）. ROC curve analysis revealed that AUC for distinguishing parapelvic cysts and hydronephrosis with 40 keV texture parameters was 0.696～0.756，greater than that with 50 keV texture parameters. Multivariate logistic regression revealed that kurtosis，energy and the 25th percentile at 40 keV were independent predictors of parapelvic cysts and hydronephrosis，and AUC for the three combined diagnosis was 0.915，the sensitivity was 93.3% and the specificity was 83.3%. Conclusion：The multivariate logistic regression model constructed based on the histogram texture parameters of 40 keV energy spectrum CT images can be used to effectively distinguish between parapelvic cysts and hydronephrosis.

［Key words］ Parapelvic cyst；Hydronephrosis；Tomography，X-ray computed；Texture analysis；Diagnosis，differential

腎盂旁囊腫和腎盂積水是泌尿外科常見的腎臟囊性病變。腎盂旁囊腫進展緩慢，患者多無明顯癥狀，可定期隨訪。若出現壓迫癥狀及并發癥，腹腔鏡下腎盂旁囊腫去頂減壓術是目前臨床處理的標準手術［1］。腎盂積水病情進展快，可引起腎功能不全甚至腎功能衰竭。及時解除造成尿路梗阻的因素，可避免腎功能損害加重。腎盂旁囊腫和腎盂積水臨床處理方式和處理時機不同，因而術前準確診斷尤為重要。CT平掃對腎盂旁囊腫與尿路梗阻因素不明的腎盂積水較難鑒別，靜脈腎盂造影及泌尿系CT增強掃描是鑒別兩者最常用的方法，準確率較高。但對碘對比劑過敏及腎臟分泌功能明顯減退的患者，無法使用這2種方法。紋理分析是一種新興的圖像后處理技術，已應用于腎臟腫瘤良惡性鑒別、腫瘤亞型鑒別等方面，顯示了在腎臟疾病診斷中的可行性［2］。本研究旨在探討能譜CT平掃單能量圖像直方圖紋理分析鑒別腎盂旁囊腫與腎盂積水的價值。

1? 資料與方法

1.1? 一般資料

回顧性收集43例于我院行能譜CT泌尿系成像的患者，其中腎盂旁囊腫25例（腎盂旁囊腫組），腎盂積水18例（腎盂積水組）。腎盂旁囊腫均經CT增強掃描確診，腎盂積水經臨床確診，治療后復查積水消失。納入標準：①腎盂內均質囊性病變；②病灶軸位最大層面短徑>20 mm；③局限性腎盂積水，輸尿管無明顯擴張。排除標準：①病灶內密度不均；②泌尿系結石或腫瘤所致腎盂積水。

1.2? 儀器與方法

應用GE Discovery HD 750能譜CT機，平掃采用能譜成像模式。掃描參數：采用高、低能量（140 kV和80 kV）瞬時（0.5 ms）快速切換管電壓，自動管電流，螺距0.984，掃描速度0.6 s/r，探測器寬度4 cm，層厚、層距均為5 mm。采用標準算法，分別重建常規140 kV混合能量圖像和70 kV單能量圖像，層厚及層距均為1.25 mm。

1.3? 圖像后處理與直方圖紋理特征提取

在AW 4.5工作站，將平掃單能量圖像（70 keV導入能譜成像Viewer軟件中進行分析測量，選取病灶最大層面手動勾畫ROI，范圍盡可能大并避開鄰近腎實質、血管，保存相應ROI數據文件，包括40～140 keV（以10 keV為間隔）各單能量水平CT值。對腎盂旁囊腫組和腎盂積水組各差異有統計學意義的單能量CT值，在工作站上重建相應單能量圖像，并以DICOM格式存儲后導入Omni-Kinetics軟件。ROI的勾畫盡可能保持一致（圖1）。應用灰度直方圖紋理分析方法測定最小值，最大值，均值，標準差，變異度，偏度，峰度，均一性，能量，熵，第5、10、25、50、75、90、95百分位數。所有ROI均由1位具有10年腹部CT診斷經驗的高年資醫師勾畫。

1.4? 統計學分析

應用SPSS 22.0軟件進行數據分析。計量資料的正態分布采用Shapiro-Wilk檢驗；符合正態分布的計量資料以[x]±s表示，組間比較行獨立樣本t檢驗；非正態分布的計量資料用M（P25，P75）表示，組間比較行Mann-Whitney U檢驗。ROC曲線分析組間差異有統計學意義參數的診斷效能。采用逐步向后法構建多因素logistic回歸模型進行特征篩選并構建最終的預測模型，繪制最終模型的ROC曲線，分析其鑒別腎盂旁囊腫與腎盂積水的效能。采用Hosmer-Lemeshow檢驗評價模型的擬合優度。以P<0.05為差異有統計學意義。

2? 結果

2.1? 2組單能量CT值比較

40～50 keV條件下，腎盂旁囊腫組的單能量CT值均大于腎盂積水組，差異均有統計學意義（均P<0.05）；60～140 keV條件下，2組單能量CT值差異無統計學意義（均P>0.05）（表1）。

2.2? 2組直方圖參數比較

40 keV條件下，2組均值，能量，熵，峰度，第5、10、25、50、75百分位數差異均有統計學意義（均P<0.05），余參數差異均無統計學意義（均P>0.05）（表2）。50 keV條件下，2組均值，第10、25、50百分位數差異均有統計學意義（均P<0.05），其余參數差異均無統計學意義（均P>0.05）（表3）。

2.3? 直方圖參數的ROC曲線分析

40 keV圖像紋理參數鑒別腎盂旁囊腫與腎盂積水的AUC為0.696～0.756，50 keV紋理參數鑒別兩者的AUC為0.647～0.690（表4）。多因素logistic回歸模型顯示，40 keV圖像紋理參數的峰度、能量和第25百分位數是腎盂旁囊腫與腎盂積水的獨立預測因子，三者聯合診斷鑒別腎盂旁囊腫與腎盂積水的AUC為0.915，敏感度為93.3%，特異度為83.3%（圖2）。Hosmer-Lemeshow檢驗結果表明模型擬合度好，無偏離擬合（χ2=4.108，P=0.847）。

3? 討論

紋理是指圖像中像素的局部不規則而宏觀有規律的灰度變化，是真實圖像固有的特性，一定程度上可反映病變的內部組織學特性［3］。紋理分析可通過對醫學圖像深度挖掘，提取分析圖像中隱藏的定量特征，對疾病進行更精準的診斷與鑒別［4］。直方圖紋理分析是基于統計的紋理分析方法，可量化ROI內像素強度直方圖的灰度頻率分布［5］。文獻中大多進行常規CT圖像的紋理分析研究［6-7］，有關能譜CT單能量圖像紋理分析的報道少見。能譜成像可同時獲得常規混合能量圖像及40～140 keV水平的單能量圖像。常規CT圖像上測量的是物質混合能量CT值，受X線硬化效應、X線散射、部分容積效應及重建矩陣等因素影響而并不準確。單能量CT圖像與常規CT圖像相比能有效規避射線硬化效應，從而提高圖像的SNR，獲得穩定而精確的CT值［8］。王楠等［9］將能譜CT單能量圖像與紋理分析技術結合用于鑒別肝膿腫與肝轉移瘤，不同單能量條件下不同紋理參數的聯合診斷具有不同診斷效能。由于囊液成分不同，可通過提取囊液CT紋理特征對囊液進行鑒別診斷［10］。因此，本研究嘗試通過能譜CT單能量圖像的直方圖紋理分析比較腎盂旁囊腫與腎盂積水的差異，從而為兩者鑒別診斷提供更多的信息。

本研究單因素分析顯示，腎盂旁囊腫組40～50 keV圖像紋理參數中的均值均大于腎盂積水組，差異均有統計學意義，這與腎盂旁囊腫40～50 keV單能量CT值均大于腎盂積水的結果一致。均值代表ROI內像素的平均CT值［11］，說明在低能量條件下（40～50 keV），囊液平均CT值能鑒別腎盂旁囊腫與腎盂積水。

能量是一種對圖像灰度分布均勻性的度量，當圖像灰度分布較均勻時能量值較大。熵主要反映圖像內部像素的不規則及復雜程度，熵越大說明圖像灰度分布越復雜［12］。40～50 keV圖像腎盂旁囊腫能量均大于腎盂積水，40 keV圖像腎盂旁囊腫熵小于腎盂積水。推測可能的原因為：腎盂旁囊腫由于存在囊壁的限制，囊液相對靜止，內部狀態相對穩定，紋理分布呈相對均勻、復雜程度小的特征；腎盂積水內尿液是自由流動、內部相對不穩定、變化快，導致內部紋理分布相對不均勻、復雜。

峰度反映灰度值總體分布的陡緩程度，峰度越高，趨向于在灰度平均值附近具有明顯的峰［13］。40 keV圖像腎盂旁囊腫峰度大于腎盂積水，可能與兩者囊液成分不同有關。趙慶利［14］通過對腎盂旁囊腫與尿液成分進行定量及定性分析發現，腎盂旁囊腫囊液中葡萄糖、小分子蛋白質等物質含量高于尿液。40 keV條件下，腎盂旁囊腫囊液紋理分布相對均勻，圖像的灰度分布更集中于平均灰度值附近，峰度值更高。

百分位數描述低于該百分位數所觀察對象的百分比，反映ROI的微小變化，與病變異質性密切相關，病變異質性大，高百分位數差異最大，相反，低百分位數差異最?。?1］。本研究中腎盂旁囊腫40～50 keV圖像的第10、25、50百分位數及40 keV圖像的第5、75百分位數大于腎盂積水，表明兩者之間在較低百分位數范圍內CT值差異明顯。

本研究中，ROC曲線分析顯示，40 keV圖像的直方圖參數區分腎盂旁囊腫與腎盂積水的AUC為0.696～0.756，均大于50 keV直方圖參數的AUC。由于單變量因素診斷的特異性均較低，為了提高診斷效能，采用logistic回歸分析構建多因素診斷模型，40 keV條件下，峰度、能量和第25百分位數是腎盂旁囊腫與腎盂積水的獨立預測因子，三者聯合鑒別腎盂旁囊腫與腎盂積水的AUC為0.915，敏感度為93.3%，特異度為83.3%，診斷效能明顯高于單一紋理參數。

本研究的局限性：①為回顧性研究，可能導致偏倚，且納入的樣本量相對較??；②基于二維水平可能無法充分反映囊液整體情況；③僅分析病灶一階紋理參數，未分析二階紋理參數，有待在今后的研究中加以完善，并進一步探索更有價值的紋理參數。

綜上所述，40～50 keV條件下，能譜CT 平掃單能量圖像紋理分析能夠鑒別腎盂旁囊腫與腎盂積水，基于40 keV圖像紋理參數的峰度、能量和第25百分位數構建的logistic回歸模型可顯著提高診斷效能。

［參考文獻］

［1］ 劉茁，田曉軍，馬潞林，等. 后腹腔鏡下腎囊腫去頂術治療腎盂旁囊腫的臨床分析［J］. 北京大學學報（醫學版），2018，50（5）：941-944.

［2］ 林欣怡，陸笑非. 紋理分析在腎臟疾病中的研究進展［J］.醫學影像學雜志，2022，32（10）：1821-1823.

［3］ JANISCH M，ADELSMAYR G，M?LLER H，et al. Non-contrast-enhanced CT texture analysis of primary and metastatic pancreatic ductal adenocarcinomas：value in assessment of histopathological grade and differences between primary and metastatic lesions［J］. Abdom Radiol （NY），2022，47（12）：4151-4159.

［4］ 劉欣，鄭伊能，鐘毅，等. CT紋理分析對醛固酮腺瘤與皮質醇腺瘤的鑒別診斷價值［J］. 中國中西醫結合影像學雜志，2021，19（1）：60-64.

［5］ 岳茜，李俊，張莉，等. CT紋理分析在消化系統惡性腫瘤中的應用進展［J］. 中國醫學影像技術，2019，35（3）：451-454.

［6］ 王海，顏顯杰，何偉榮，等. 基于CT增強掃描紋理分析術前預測胃腺癌病理分化程度的價值［J］. 中國中西醫結合影像學雜志，2022，20（6）：514-517.

［7］ 胡小琴，黃原義，萬兵，等. CT灰度直方圖在鑒別小于20 mm亞實性結節的肺腺癌病理亞型的價值［J］. 臨床放射學雜志，2021，40（4）：712-716.

［8］ 李小虎，余永強，王萬勤，等. 體外區分泌尿系結石成分：對比觀察CT能譜掃描與常規掃描［J］. 中國醫學影像技術，2011，27（11）：2331-2334.

［9］ 王楠，劉愛連，李燁，等. 基于單源雙能CT平掃圖像的紋理分析對肝膿腫和肝轉移瘤的鑒別價值［J］. 放射學實踐，2019，34（11）：1246-1250.

［10］ 梁萌，趙麗，馬霄虹，等. 囊液CT紋理分析在鑒別胰腺漿液性囊腺瘤與黏液性囊性腫瘤中的價值［J］. 實用放射學雜志，2018，34（9）：1381-1385.

［11］ 王敏紅，馮湛. 瘤周水腫常規MRI紋理分析鑒別腦膠質母細胞瘤和單發轉移瘤的價值［J］. 中華放射學雜志，2018，52（10）：756-760.

［12］ 彭林，查云飛，曾菲菲，等. 基于T2WI直方圖紋理分析在胰腺實性病變中的診斷價值［J］. 磁共振成像，2020，11（3）：201-206.

［13］ 周健，程敬亮，陳晨，等. ADC灰度直方圖鑒別側腦室內中樞神經細胞瘤和室管膜瘤的價值［J］. 放射學實踐，2020，35（3）：325-328.

［14］ 趙慶利. 腎盂旁囊腫的組織起源及逆行經輸尿管鏡鈥激光囊腫—腎盂內引流術的研究［D］. 濟南：山東大學，2015.