陈国钰 沈桂权△ 高波
1.贵州医科大学附属医院影像科，贵州 贵阳 550004；2.烟台毓璜顶医院影像科，山东 烟台 264000)
为精确反映整个肿瘤内部的生物学信息，人们使用计算机技术挖掘医学图像中的特征空间数据——影像组学已成为影像学研究的最新目标[1]。影像组学把全部肿瘤作为研究客体，能全面评估肿瘤内部的异质性等生理情况，取得临床及传统影像学无法获得的信息。纹理分析(texture analysis，TA)是影像组学中的一部分，是医学图像中近年才发展起来的评价肿瘤异质性的新工具。
1 TA的概念
纹理是图像中非常基本且有用的信息特征，也是图像处理分析的重要参考参数。应用不同的提取方法得到不同的纹理特征，反映不同的生理或病理信息。对图像进行纹理分析能得到更全面的信息，是行之有效且安全无创的。
2 TA的方法
总的来说，纹理分析的方法有三种：统计分析法[2]、模型分析法[3]和变换分析法[4]。
2.1 统计分析法 这是研究及使用最多的纹理分析方法，也是最先研究的一种方法，它不像直方图法不能反映空间位置信息。根据特征计算时使用1个像素、2个像素或者3个及以上像素，把其分为一阶统计量、二阶统计量和高阶统计量。
2.2 模型分析法 模型法把图像中的各个像素内部之间看作有着某种函数关系，在整体上估计出全部像素的空间位置关系。模型法需要先了解图像内部基元的排列结构情况，以便选择合适的模型，再评估模型的相关系数，最后进行纹理特征的提取。模型分析法是使用复杂数学模型来描述图像中的纹理，它的计算相当复杂，对简单纹理适用，但对于结构复杂的纹理要使用多种模型进行分块评估。
2.3 变换分析法 它是在不同的空间分析图像中的纹理特性，比如不同的频率空间或尺度空间。例如小波变换、傅里叶变换及Gabor变换都是变换分析法中使用较多的。这一类可以对整个图像进行转换，从而可以用多尺度方法提取统计特征。其中小波变换在变换分析方法中运用最广泛。因为它杰出的多尺度多分辨率特点，能对纹理特征的提取博得良好空间。
3 TA在肿瘤中的临床应用
TA在医学图像中的运用主要是特征提取，对一些影像检查不能甄别的病灶作用很大。它是医学图像定量分析的重要工具，其在众多肿瘤的异质性、鉴别诊断、治疗疗效评估及预测预后等方面显示出了越发明显且不可取代的作用。
3.1 TA在CT图像中的应用 有学者[5]发现从肺结节的CT图像上提取的纹理特征可以对肺结节的良恶性进行鉴别(AUC=0.872)；结合肺结节及周围肺实质区域提取的纹理特征可以将鉴别肺结节良恶性的性能再次提高(AUC=0.938)。Daginawala等[6]发现19个不同TA方法得到的纹理特征可以区别慢性肝病患者肝纤维化的程度。V.Goh等[7]发现CTTA(CT图像的纹理分析)能够反映肿瘤的异质性，在肾癌患者接受靶向治疗后，能量可作为转移性肾癌靶向治疗后预测预后的独立影像生物标志。另外一篇关于CT纹理分析能否作为肿瘤生物标志的研究发现，用CTTA评估肿瘤异质性，可发现食管癌的不良生物学特性并且作为其生存预后的指标[8]。CTTA在肺癌中应用的一篇研究发现其可作为NSCLC(非小细胞肺癌)生存的独立预测标志[9]。
3.2 TA在MRI图像中的应用 有学者[10]用DWI的ADC值进行评估，发现在31例鼻咽癌患者中，治疗前有较高ADC值和治疗中ADC值升高的患者对放化疗较敏感。学者[11]利用DCE扫描预测放化疗敏感性，发现治疗前Ktrans值明显增高的患者对放化疗敏感。此外，基于MRI图像TA在肿瘤的治疗疗效、分子分型、异质性研究、预后评估等方面也取得了不少实质性的进展。有研究表明，DCE-MRI纹理分析可以在初期评估乳腺癌新辅助化疗后的疗效[12]。Yun等[13]在乳腺癌移植瘤动物模型中发现DWI-ADC图像的TA能反映肿瘤内部的异质性。De等[14]基于直肠癌患者的MRI-T2图像的TA发现纹理参数能判别完全缓解的患者。此外，TA在脑肿瘤中的应用比较常见。李娅等[15]利用支持向量机(SVM)对MRI图像的纹理进行评价以鉴别髓母细胞瘤和室管膜瘤。Hu等[16]多参数磁共振和TA可以帮助识别和可视化胶质母细胞瘤的空间组织学异质性，以确定区域肿瘤丰富的活检目标。Jin等[17]发现整个胶质瘤肿瘤体积ADC图谱的TA可用于评价肿瘤的异质性。Pope等[18]研究发现表观扩散系数(ADC)中的直方图低均值(ADCL)对评估胶质瘤无进展生存期(DFS)和总生存期(OS)具备部分价值，其中低ADCL值的预后较差。
3.3 TA在PET图像中的应用 近年来，TA基于PET图像在肿瘤异质性方面的应用也逐渐增多。Henriksson等[19]通过探索瘤内18F-FDG摄取的异质性与头颈部鳞癌内组织病理学的关系，得出代谢异质性与组织病理学所示的异质性有关。Choi等[20]通过PET和MRI纹理特征分析头颈部鳞癌瘤内异质性及肿瘤间质比与临床结果的关系，得出粗糙度和肿瘤间质比关系密切，这对肿瘤复发风险分层意义重大。El Naqa等[21]在病变诊断上分析了9例头颈部肿瘤的疗效，得出纹理参数不均能在治疗前评估疗效，还能区分出肿瘤和正常组织。Yu等[22]通过分析20例肿瘤中NGTDM特征的粗糙度和对比度辨别出肿瘤组织及正常组织，TA参数不仅鉴别能力突出，PET和CT组合使用得到的纹理特征比单一使用鉴别能力更突出，放疗靶区通过PET/CT图像纹理特征能被自动勾画出来。Gao等[23]提取PET/CT图像中纹理参数用以建立支持向量机，可鉴别NSCLC患者纵隔淋巴结的良恶性。在评估疗效及预测预后方面，Oh等[24]通过治疗前纹理参数中的粗糙度成功评估70例下咽癌患者放化疗后的疗效及生存期。Nakajo等[25]评估了52例食管癌患者放化疗后的疗效和预后，通过治疗前PET图像中纹理特征，发现纹理特征中的IV和SZV、体积参数MTV和总病灶糖酵解(total lesion glycolysis，TLG)能评估肿瘤疗效，但评估放化疗预后方面价值有限。研究[26]发现在PET图像上进行纹理分析不但可以一定程度上评判NSCLC患者在放疗后局部的复发情况，还能预测其远期生存率。
4 TA面临的挑战
缺乏规范化、标准化流程和严格的质量控制体系；误认为获得图像特征越多越好。在不同类型的纹理提取方法之间，在去冗余过程中如何对数据进行标准化处理，也是一个很大问题。
5 展 望
影像组学是一个相对新兴的领域，还需要通过大数据的分析、验证和更深层次的研究，最终才能应用于临床。只要我们正确认识、系统掌握影像组学的技术和方法，那么必将对基于解剖结构基础上的图像研究起到推动作用。希望下一步研究可进一步充分挖掘TA的潜力，提高预测准确率，为临床提供更精准的参考，更好地为病人服务。
