不同浸润程度乳腺癌的鉴别：基于B型超声灰度图像直方图分析方法的定量研究

栾 云，朱建国，吴意赟，李宏波，张 芹

1.江苏省中医院（南京中医药大学附属医院）超声医学科，江苏 南京 210029；

2.南京医科大学第二附属医院放射科，江苏 南京 210011

乳腺癌是女性最常见的恶性肿瘤，随着生活习惯、饮食结构的改变，以及受到人口老龄化、环境污染的影响，其发病率逐年升高［1］。并且是45岁以下女性恶性肿瘤致死的主要原因［2］。依据肿瘤细胞浸润程度，病理学上将乳腺癌分为无浸润、早期浸润和浸润这3种级别，其各自对应的治疗方案和预后也不尽相同［3］。因此，治疗前对乳腺癌进行有效、精准的评估尤为重要。

超声检查操作简便、无辐射、检查费用低，被广泛应用于乳腺癌的筛查、诊断、随访及指导穿刺活检。常规超声检查依据病灶形态及内部成分、周围组织结构等声学特征作出乳腺癌的鉴别诊断，但受限于主观因素（操作者经验、手法等），诊断准确度变化较大；随着乳腺影像报告和数据系统（Breast Imaging Report And Data System，BI-RADS）广泛应用，乳腺癌超声诊断的准确度得以提高［4］。近年来，学者们在乳腺癌的超声功能成像方面进行了积极探索，新技术得到应用，基于定量参数从不同角度评价乳腺癌的病理学特征，如弹性成像评价组织弹性［5］、增强造影观察血管密度和分布［4］。

直方图分析（histogram analysis，HA）能够对图像上肉眼无法观察的像素灰度值和分布情况进行分析，借助定量参数可以表征组织的异质性和血管新生情况［6］。有学者基于灰度超声图像，使用HA对甲状腺良恶性结节进行鉴别［7］、判别腹腔积液的性质［8］；Moon等［9］对弹性超声图像进行HA，用于鉴别乳腺良恶性肿瘤。

本研究采用HA技术对乳腺癌患者B型超声灰度图像进行分析，目的在于：① 评价HA参数的信度和一致性；② 对比观察不同浸润程度乳腺癌HA定量参数的差异性；③ 讨论HA的临床应用价值，探讨与HA定量参数相关的病理学基础；④找出缺陷和不足，为今后的研究明确方向。

1 资料和方法

1.1 研究方案

本研究采用回顾性研究方法，收集经手术后病理学检查证实的乳腺癌患者，根据病理学浸润程度（无浸润、早期浸润、浸润）分为3组；将患者术前超声图像导入计算机软件，分别勾画瘤区及正常腺体对照区，生成瘤区和对照区HA定量参数；采用统计学方法，评价不同测量者之间采集HA定量参数的一致性；为消除个体差异，取每例患者HA定量参数的相对值（瘤区/对照区）；采用统计学方法，观察不同分组间定量参数相对值的差异性。

1.2 一般资料

收集2018年1月—2020年12月江苏省中医院（南京中医药大学附属医院）乳腺外科收治的乳腺肿瘤患者。纳入标准：① 乳腺肿瘤初诊患者，之前未接受相关治疗；② 术前在我院接受超声检查，留存完整超声声像学资料；③ 术后病理学检查诊断为乳腺癌，并有明确的病理学浸润程度结果。排除标准：① 非初诊患者，病灶内成分复杂；② 超声图像质量差，不符合HA要求；③ 手术病理学诊断并非乳腺癌，或没有明确浸润程度。最终，共纳入患者224例（均为单发肿瘤）；年龄27～84岁，平均年龄（55.21±11.34）岁；其中无浸润（Ⅰ级）76例、早期浸润（Ⅱ级）84例、浸润（Ⅲ级）64例。本研究获医院伦理委员会批准。

1.3 仪器设备

采用荷兰Philips公司的iU 22超声诊断仪，探头频率9～12 MHz。患者取手臂外展体位，充分暴露检查部位，按顺时针方向、以乳头为中心向外行乳腺扫查；记录肿块的位置、最大径及超声声像图特征，并留存图像。

1.4 图像处理

超声灰度图像HA处理及定量参数获取采用美国GE公司Omni-Kinetics软件包（2.1.0版本），由2名从事乳腺诊断的高年资（工作10年以上）超声科医师采用双盲法完成。将每例患者瘤体最大断面图像（DICOM格式）导入软件，手动勾画瘤体轮廓，软件自动生成瘤体区超声灰度直方图及定量参数（图1）；拷贝瘤区感兴趣区（region of interest，ROI）并移至正常腺体区，同样生成对照区超声灰度直方图及定量参数；取每个HA定量参数的相对值（瘤区/对照区）；取2名超声医师测量数据的算数平均值，作为最终结果，用于后续统计学分析。

图1 典型病例（患者，55岁，右侧乳腺癌）超声图像、病理学表现及瘤区直方图

1.5 统计学处理

采用SPSS 22.0软件进行统计学分析，P＜0.05为差异有统计学意义。2名超声医师测量HA参数一致性，采用组内相关系数（intraclass correlation coefficient，ICC）进行评价，当ICC＜0.4认为一致性较差，0.4≤ICC≤0.75认为一致性一般，ICC＞0.75认为一致性良好。采用Kolmogorov-Smirnov检验，观察定量数据是否符合正态分布，符合表示为±s，否则表示为中位值（四分位距）。3组数据集方差齐性检验，采用Levene检验。符合正态分布且组间方差齐同时，组间定量数据比较采用方差分析，否则采用非参数检查（Kruskal-WallisH检验）。筛选出3组间差异有统计学意义的指标，采用多元有序logistic回归模型，评价多参数的组间差异性。

2 结 果

软件处理后共生成18个HA定量参数，包括Min intensity、Max intensity、Median intensity、Mean value、Standard deviation、Mean deviation、Skewness、Kurtosis、Uniformity、Energy、Entropy以及7个Quantile对应值。2名医师测量瘤区HA参数的一致性检验结果显示，18个参数对应的ICC均＞0.75，其中最高的是Quantile75（ICC=0.997，95%CI=0.996～0.998）、最低的是Uniformity（ICC =0.799，95% CI=0.697～0.852，表1）。

表1 2名超声医师测量瘤区超声直方图参数的一致性检验

HA定量参数的相对值（瘤区/对照区）呈偏态分布，单参数相对值的3组间比较显示：除Min intensity和Mean deviation之外，其余16个参数的相对值差异均有统计学意义（表2）。随乳腺癌浸润程度增加，Max intensity、Median intensity、Mean value、Standard deviation、Uniformity、Energy和各分位数的相对值逐步降低；Skewness、Kurtosis和Entropy的相对值则逐步升高，在浸润组中呈现为最大值。

表2 不同浸润程度乳腺癌超声直方图定量参数相对值的比较

多元有序logistic回归分析显示Mean intensity、Skewness、Uniformity、Quantile5、Quantile10、Quantile75、Quantile90的相对值有助于不同浸润程度乳腺癌的组间鉴别（表3）。

表3 多参数相对值有序多分类logistic回归结果

3 讨 论

本研究结果肯定了基于超声灰度图HA方法，其采集定量参数的信度和一致性，HA生成的18个定量参数ICC均＞0.75。Schneebeli等［10］的临床研究中，着重评估了HA参数的信度，以健康受试者跟腱为研究对象，评价超声灰度图HA参数（灰度值分布和共生矩阵参数）的一致性，ICC为0.72～0.94。本研究中，为消除个体差异，采用HA定量参数相对值（瘤区/对照区）进行组间比较和统计学分析，与Çekiç等［8］的研究方法相似。目前，使用超声灰度图HA对乳腺癌进行研究的报道尚不多见，本研究依据病理学检查结果进行回顾性分组，采用组间非参数检验和多元有序logistic回归方法进行分析，结果显示HA参数能够用于预测乳腺癌的浸润程度。

Acharya等［11］采用剪切波超声图像进行HA研究，从中提取的特征能够对乳腺良恶性肿块进行鉴别诊断，灵敏度、特异度、准确度分别为98.63%、97.59%、98.08%。Wei等［12］认为可以将常规超声特征和HA定量参数联合起来，用于乳腺良恶性肿瘤的鉴别诊断。Dasgupta等［13］采用超声纹理特征分析方法，对100例局部浸润性乳腺癌进行临床研究，以临床和病理学诊断为金标准，结果显示参数特征能够有效地预测新辅助化疗的治疗效果（曲线下面积=0.86）。一项北美四个地区的多中心研究中，DiCenzo等［14］收集82例接受新辅助化疗的乳腺癌患者，分析超声灰度共生矩阵参数，认为该方法可以有效地预测疗效（准确度87%）。Moon等［15］回顾性对比观察乳腺癌腋窝淋巴结超声形态特征和HA定量参数对鉴别淋巴结是否转移的诊断效能，认为定量参数要优于常规超声形态观察。

本研究中共纳入18个HA定量参数：反映具体灰度值的参数（Min、Max、Median、Mean value及各Quantile）；表征数据集离散程度的参数（Standard deviation及Mean deviation）；描述直方图形态的参数（Kurtosis及Skewness）；代表复杂程度和异质性的参数（Uniformity、Energy、Entropy）［6，16-17］。Chou等［18］认为依据超声灰度值的变化，可以判定子宫腺肌症患者内分泌治疗的效果。Beyazal等［19］研究发现，肝硬化患者与正常对照组之间，超声灰度均值、50%和90%位点灰度值均有显著差异。本研究中随着乳腺癌浸润程度增加，超声灰度相对值（Max、Median、Mean value及各Quantile）显著下降，相对于正常腺体，病变浸润程度越高、肿瘤细胞排列越紧密，透声性越低。数据集的离散程度借助差值（Standard deviation、Mean deviation）表征，Li等［16］认为灰度差值（Standard deviation、Mean deviation）越大，离散程度越高，瘤体内成分越复杂、肿瘤分化越差/级别越高，本研究亦得到相似结论：浸润程度越低，越接近正常乳腺腺体离散程度（相对值接近1）。Kurtosis、Skewness描述直方图的峰值和对称性，Xu等［20］认为宫颈癌患者接受放化疗后，其超声灰度直方图形态发生改变，接近正常正态对称性分布。本研究中，相对于正常腺体，浸润程度越高，直方图分布越呈偏态（Skewness越大）、越高尖（Kurtosis越大）。在对HA参数的描述中，Ganeshan等［21］认为肿瘤细胞浸润、血管生成等因素可以导致瘤体均质度和复杂程度改变，从而显示为Uniformity、Energy、Entropy的变化。在一项对152个甲状腺乳头状癌的分级诊断的临床研究中，Kwon等［22］发现浸润性癌的Energy显著降低（P=0.001），本研究得到类似结论，浸润程度越高Uniformity/Energy相对值越低、Entropy越高（P＜0.001）。

本研究存在的问题及改进方法：① 受限于单中心研究，不同超声仪器采集的图像是否能用于影像数据分析，需要在今后加以验证；② 本研究中，对HA进行了初步探讨，二阶参数及高阶参数尚未纳入讨论，自动分割、深度学习、卷积神经网络等方法可以进一步探讨；③ 本研究中仅对不同浸润程度乳腺癌作对比观察，在今后研究中将纳入其他乳腺病变（如腺病、纤维瘤、淋巴瘤等）进一步对照，对乳腺癌疗效观察和评价也可以列入下阶段研究计划。

总之，本研究基于超声灰度图，采用HA对不同浸润程度乳腺癌进行对比。验证了HA方法采集参数的信度、一致性；结果显示HA定量参数可以用于预测乳腺癌浸润程度。