envi的纹理特征统计量_MRI图像纹理分析在乳腺癌中的研究进展

近年来女性乳腺癌的发病逐步趋于年轻化，约15%的乳腺癌发生于40岁以下的女性，死亡率居女性恶性肿瘤的首位。新辅助化疗(neoadjuvant chemotherapy，NAC)和手术切除已经成为女性乳腺癌的主要治疗手段。MRI图像纹理分析是影像组学领域一种新兴的图像后处理技术，通过综合量化病灶的细微结构，不仅可以在组织病理学水平预测激素受体的表达状态，还可以更加客观地评估瘤体的异质性程度，从而更好地指导临床对肿瘤进行内分泌治疗、新辅助化疗和手术切除。就纹理分析原理、MRI图像纹理分析在鉴别乳腺肿瘤良恶性、评价乳腺癌分子分型、评估新辅助化疗疗效以及判断预后方面的应用进展进行综述。

1.纹理分析原理及方法

纹理分析是利用计算机对医学图像内的海量纹理特征进行分析、筛选，从而完成对病灶区域的整体量化。组织学已经证实MRI的像素灰度分布与受到疾病影响组织的细微结构有关。运用统计学方法描述图像像素灰度强度的排列方式及分布规律特征的方法称为统计分析法，主要由3个参数阶组成，包括一阶统计量、二阶统计量和高阶统计量，一阶统计是指利用直方图描述ROI内的像素强度值，主要依赖单个像素值而非相邻像素值之间的相互作用，常用的统计参数有平均强度、均匀度、峰度、偏度和标准差；二阶统计主要利用灰度空间相关矩阵和共生矩阵描述ROI内相邻像素值的纹理特征，常用的统计参数有熵、能量、角二阶矩、逆差距和相关性；高阶统计利用相邻像素差分矩阵描述ROI内3个或更多像素分布的空间关系，往往包含了更重要的图像结构和相位特征，常用的统计参数有对比度和粗糙度。

2.纹理分析在乳腺癌中的应用

2.1鉴别乳腺肿瘤良恶性

目前活组织检查仍然是评价肿瘤良恶性的金标准，由于血管结构和肿瘤细胞增殖扩散等原因导致肿瘤内部结构分布不均衡，对于体积较大的肿瘤，活检样本并不能精准地评估肿瘤的异质性，也不能反映完整的肿瘤表型变异。Gibbs等回顾性分析了45例乳腺恶性肿瘤、33例乳腺纤维瘤和1例脂肪坏死病人的动态增强(DCE)-MRI影像，结果发现良恶性肿瘤的灰度共生矩阵具有显著差异，认为方差和熵是最有鉴别意义的参数，在多因素Logistic回归模型中加入病灶大小、强化峰值时间和病人年龄参数后，预测准确度由80%提高到92%。

由于乳腺富含脂肪组织，T2反转恢复抑脂(turbo inversion recovery magnitude，TIRM)序列对乳腺肿瘤良恶性的鉴别优于常规MRI序列。李等回顾性分析了100例经病理证实的乳腺肿瘤病人，通过对TIRM序列的直方图和纹理特征进行分析，受试者操作特征(ROC)曲线分析显示自相关性、群显著性、峰度及平均值4个参数在鉴别乳腺肿瘤良恶性中特异度较高&#x