![点击分享此内容可以赚币 分享](/master/images/share_but.png)
软骨肉瘤的影像组学进展.pdf
《软骨肉瘤的影像组学进展.pdf》由会员分享,可在线阅读,更多相关《软骨肉瘤的影像组学进展.pdf(5页珍藏版)》请在咨信网上搜索。
1、国际医学放射学杂志 23 Jul鸦46穴4雪:457-461软骨肉瘤的影像组学进展刘远康,董悦,成盼盼,徐向阳*【摘要】软骨肉瘤的分级和鉴别诊断对于软骨肉瘤病人治疗方案的选择和预后评估至关重要。传统影像学仅对肿瘤影像宏观特征进行分析,对软骨肉瘤的评估价值有限。影像组学可以提供肿瘤表型以及微环境信息,已逐步应用于软骨肉瘤的诊断、分级、复发预测等方面。就影像组学在软骨肉瘤诊疗及预后中的研究进展予以综述。【关键词】软骨肉瘤;影像组学;磁共振成像;体层摄影术,X线计算机中图分类号:R738.3;R445;R814.42文献标志码:AProgress of radiomics in chondrosar
2、comaLIU Yuankang,DONG Yue,CHENG Panpan,XU Xiangyang.Department of Radiology,Liyuan Hospital,Tongji Medical College,Huazhong University of Science and Technology,Wuhan430077,China.Corresponding author:XU Xiangyang,E-mail:【Abstract】Histological grading and differential diagnosis of chondrosarcoma are
3、critical for the selection of treatmentoptions and prognostic assessment of chondrosarcoma patients.Traditional imaging just simply analyses the macroscopicfeatures of tumor images and has limited value for the evaluation of chondrosarcoma.Radiomic features can provideinformations of tumor phenotype
4、 and its microenvironment,and have been gradually applied to diagnosing,grading,andrecurrence predicting of chondrosarcoma.This article reviews the research progress of radiomics in the diagnosis,treatmentand prognosis evaluation of chondrosarcoma.【Keywords】Chondrosarcoma;Radiomic;Magnetic resonance
5、 imaging;Tomography,X-ray computed ,23,46(4):457-461作者单位:华中科技大学同济医学院附属梨园医院放射科,武汉430077通信作者:徐向阳,E-mail:*审校者DOI:10.19300/j.2023.Z20292综述骨肌放射学软骨肉瘤发病率逐年上升,已成为成年人中最常见的恶性骨源性肿瘤,占恶性骨肿瘤的20%27%1-2。软骨肉瘤缺乏相对特异性的临床及影像学表现,诊断主要依靠活检。如何鉴别软骨肉瘤与其他骨肿瘤,以及如何对软骨肉瘤进行分级对于病理学家和影像学专家都具有挑战性3。影像组学特征可以提供肿瘤表型以及微环境信息,在软骨肉瘤的诊疗中发挥着越
6、来越重要的作用。本文就影像组学在软骨肉瘤诊疗及预后中的研究进展予以综述。1影像组学概念及工作流程2012年荷兰研究者Lambin等4提出了影像组学的概念,将其定义为“从放射图像中高通量地提取影像特征”。而Kumar等5又在此基础上将影像组学的概念进一步扩展,定义为 高通量地从MRI、CT和PET、超声中提取并分析大量高级定量影像学特征。影像组学工作流程包括图像采集、图像分割、特征提取和选择、模型建立与评估4个方面。1.1图像采集目前影像组学已应用在X线、CT、MRI及超声中,高质量和标准化的影像是影像组学的基础。为获取最能反映真实病灶情况的影像,应尽量选择空间分辨率、密度分辨率高,噪声、伪影以
7、及部分容积效应干扰小的影像数据;选择同种来源的影像设备、条件参数相同的影像数据。若样本量较大而无法避免图像获取差异时,可通过对图像预处理(体素标准化、灰度标准化、偏置场矫正)来减少由于扫描设备、成像方式和参数设置引起的差异,降低模型的鲁棒性和泛化性。软骨肉瘤的图像采集方法没有统一标准,CT、MRI均为诊断软骨肉瘤的主要影像学检查方法。CT扫描可显示平片难以识别的软骨基质细微钙化、骨质破坏及软组织改变,有助于更好地了解骨内膜扇形的深度和程度。MRI在显示肿瘤成分、水肿以及457国际医学放射学杂志 23 Jul鸦46穴4雪软组织侵犯方面更佳,可帮助确定骨内肿瘤的范围,但对钙化显示差。1.2图像分割
8、及兴趣区(ROI)勾画图像分割方法包括自动、半自动、手动等,对于边界不清的病灶多采用手动分割,对形态规则且边界清晰的病灶如实性肺结节采用半自动或自动分割方法更能满足未来大数据影像组学研究图像分割的要求。常用的分割算法有阈值分割、边缘检测、区域生长法、流域分割算法等6。自动及半自动图像分割软件包括3DSlicer、ITK-SNAP、MIM和ImageJ。目前在骨源性肿瘤影像组学研究中采用较多的是手动分割法,由经验丰富的影像医生在图像上对肿瘤病灶进行分割(将图像导入相关分割软件,逐层勾画病灶边缘,合成与病灶尽量一致的三维兴趣体积,或在显示最大病变直径的层面上进行二维分割7)。手动分割法的准确率高但
9、耗时较长,难以应用于大规模研究,且观察者间存在的分割变异性阻碍影像组学走向临床。但最近有研究7表明,尽管观察者间存在一定的分割变异性,但从CT平扫和MRI中提取的软骨骨肿瘤的二维和三维影像组学特征仍具有可重复性。且基于三维和二维MRI的纹理分析的特征稳定率相似。1.3特征提取及选择图像分割后从ROI中提取特征数据,特征数据包括形态特征、语义特征、纹理特征(一阶、二阶、高阶特征和基于模型和基于变换的纹理)8。特征选择方法包括过滤式、包裹式、嵌入式、机器学习模型,在软骨肉瘤影像组学研究中以机器学习模型即支持向量机、决策树、随机森林等为主。1.4模型建立与评估模型的稳定性和可重复性必须在应用于临床前
10、评估。模型的评估主要通过受试者操作特征()曲线分析和交叉验证法。目前,大多数研究根据ROC曲线下面积()来评估模型效能。2影像组学在软骨肉瘤中的应用2.1评估软骨肉瘤分级软骨肉瘤的分级具有难度,病理专家间也常存在诊断差异9-10。组织分级是影响临床结果的决定因素,低级别软骨肉瘤/非典型性软骨瘤的10年总生存率为88%,而级和级软骨肉瘤的10年总生存率为62%和26%11-13。不同的组织分级,其治疗方案也会发生很大变化,低级别通常采取观察、刮除,而对轴向骨肿瘤和肢体的高级别病变常采用宽边缘切除2。通常为了保证切除的边界也会损伤到神经、血管等,使得病人的术后恢复期延长。位于四肢的高级别病变体积较
11、大时,常采取截肢或关节断离手术,对病人的生理、心理都造成了严重影响。因此,在治疗前进行准确分级对选择合适的治疗方案至关重要。近年来,一些研究表明MR影像组学有助于提高软骨肉瘤分级的准确性,且T1WI对软骨肉瘤的分级具有优势。Fritz等14对53例软骨瘤和63例低至高级别软骨肉瘤病人进行MRI扫描,选择14个MRI形态学特征和19个纹理特征,评估了2类特征对2种肿瘤分级的诊断准确性,并与放射科医生肉眼分级进行比较,采用ROC曲线AUC评估模型效能,结果显示纹理特征在鉴别良性与恶性、良性与低级别肿瘤间的诊断效能均较高,AUC分别为()和();该研究还发现联合纹理分析和MRI形态学特征的模型具有更
12、好的诊断效能。Gitto等15研究选择了58例软骨肉瘤的增强T1WI(CE-T1WI)和抑脂T2WI,使用ITK-SNA()进行图像分割,随机森林模型用于特征选择,得到CE-T1WI的4个特征,采用ROC曲线AUC评估模型效能,结果显示训练组AUC为0.85,测试组AUC为0.78;该研究还采用基于机器学习的影像组学方法对低至高级别软骨性骨肿瘤进行分类,获得了较好的诊断效能,而基于T2WI上的纹理特征不能鉴别低级别和高级别病变,表明基于T1WI的MR影像组学较T2WI更利于对软骨肉瘤分级。CT影像组学对软骨肉瘤分级诊断及良恶性鉴别也有价值。Gitto等16研究了基于机器学习的CT影像组学对软骨
13、肉瘤的分级诊断,训练组与验证组来自不同机构,结果显示训练组和验证组的AUC分别为0.89和0.7;基于机器学习的CT影像组学对不典型和更高级别的长骨软骨瘤进行分类时准确性较好;与经验丰富的放射科医生诊断效能相似。此外,Deng等17研究了CT纹理分析、MRI纹理分析和影像学特征对软骨肉瘤分级诊断的效能,回顾性分析29例内生软骨瘤、20例低级别软骨肉瘤和16例高级别软骨肉瘤,结果显示CT纹理特征模型对区分低级别和高级别软骨肉瘤的效能最高,训练组和验证组的准确度分别为71.9%和80%;而MRI纹理分析未能对软骨肉瘤进行分级。此外,影像学特征模型对肿瘤良恶性鉴别准确度最高,达89.2%。软骨肉瘤的
14、大多数CT、MRI影像特征具有良458国际医学放射学杂志 23 Jul鸦46穴4雪图 1病人男,56岁,左胫骨近端高分化软骨肉瘤。A图,横断面CT示胫骨近端髓内溶骨性骨质破坏,其内可见点状、砂砾状钙化;B图,横断面T1WI示相应病灶内见斑点、斑片状低信号,其内可见散在斑点状更低信号;C图,横断面T2WI抑脂序列示明显高信号,其内可见斑点状、线样低信号;D图,冠状面T2WI抑脂序列示病灶未穿透骨皮质,未累及邻近周围软组织。好的可重复性。Gitto等7进一步研究了观察者之间手动分割变异性对软骨骨肿瘤二维(2D)和三维(3D)CT平扫和MRI纹理分析再现性的影响,在2D和3D轮廓聚焦2种分割方式中,
15、从CT+MRI中提取的匹配稳定特征数量占获得的总特征数量的65.8%和68.7%,CT+MRI提取的稳定特征在2D和3D轮廓聚焦分割中未见差异,仅从MRI(T1WI+T2WI)中提取的匹配稳定特征占比分别为76.0%和78.2%,从MRI中提取的匹配稳定特征在2D和3D轮廓聚焦分割中差异也无统计学意义(P=0.285),表明从CT平扫和MRI中提取的软骨性骨肿瘤的2D和3D影像组学特征具有可重复性。Fritz等14研究发现,大多数来自T1WI平扫(19个中有15个)和CE-T1WI(19个中有18个)的2D特征在2名观察者之间具有良好的一致性,与Gitto等7研究结果一致。2.2评估软骨肉瘤复
16、发位于肢体的软骨肉瘤完整切除难度低,复发概率低。位于骨盆、脊柱等位置的软骨肉瘤,由于解剖结构复杂,完全切除难度较大,复发率较高。软骨肉瘤是骨盆最常见的原发恶性骨肿瘤,盆腔软骨肉瘤复发率可达17%32%,且与较差的生存率相关18-19。既往研究12发现,影响软骨肉瘤早期复发的临床预测因子包括肿瘤的级别、部位、治疗方式等。最近有研究表明,影像组学有助于评估软骨肉瘤的复发,如Yin等20研究纳入41例早期复发和62例非早期复发的盆腔软骨肉瘤病人,基于T1WI、T2WI、DWI、CE-T1WI和临床数据建立了5个单独的模型;基于多参数MRI特征和临床特征的临床影像组学列线图,采用ROC曲线AUC评估模
17、型效能,结果显示基于T1WI特征的影像组学模型在训练集中AUC为0.860,验证集为0.838,而临床数据模型的AUC在训练集和验证集中分别为0.735和0.625;基于MRI的影像组学列线图模型在预测盆腔软骨肉瘤病人术后1年复发率方面比仅用临床特征构建的模型效能更高。该研究还发现组织学分级是盆腔软骨肉瘤病人早期复发最重要的临床预测因子。2.3鉴别软骨肉瘤与其他骨肿瘤软骨肉瘤与其他骨肿瘤鉴别困难,原因是目前仍缺乏软骨肉瘤诊断的金标准10。软骨肉瘤和内生软骨瘤的影像和病理特征相似,尤其是低度恶性软骨肉瘤和内生软骨瘤的鉴别,对影像专家和病理学家来说都是挑战21。影像学上,中央型软骨肉瘤是软骨肉瘤中
18、最常见的类型,好发于股骨近端、骨盆、肱骨近端、肩胛骨及胫骨近端,在X线及CT上,肿瘤实性部分可见点状、环形、半环形或砂砾状钙化,邻近骨皮质可见扇贝样改变。随着肿瘤的发展,软骨肉瘤可穿透骨皮质形成周围软组织肿块,MRI检查能发现其他检查未能显示的骨髓浸润(图)。近年一些研究表明,影像组学在软骨肉瘤与内生软骨瘤、非典型软骨瘤、脊索瘤的鉴别上具有潜力,T1WI在对软骨肉瘤的分级和鉴别上都展现出较好的效能。如Lisson等22研究纳入了11例低度软骨肉瘤和11例内生软骨瘤病人,采用基于MRI的3D纹理分析对低度软骨肉瘤和内生软骨瘤进行鉴别,MRI序列包括T1WI、CE-T1WI、T2WI、脂肪抑制T2
19、WI,最终提取了4个纹理特征,结果显示CE-T1WI的峰度和T1WI的熵值在鉴别低级别软骨肉瘤和内生软骨瘤时都具有较高的敏感度(82%和82%)、特异度(91%和82%)和准确度(86%和82%)。Pan等23进一步将MRI影像组学与临床危险因素相结合,纳入53例软骨肉瘤和50例内生软骨瘤,评估基于MRI的影像组学和临床危险因素对鉴别软骨肉瘤和内生软骨瘤的准确性,并建立了T1WI与临床危险因素、抑脂T2WI与临床危险因素、T1WIABCD459国际医学放射学杂志 23 Jul鸦46穴4雪和抑脂T2WI和临床危险因素3个列线图模型,采用ROC曲线下面积评估模型效能,发现肿瘤部位是软骨骨肿瘤恶性风
20、险的最重要预测因素,有助于区分软骨肉瘤和内生性软骨瘤,且基于T1WI和T1WI+T2WI特征的模型表现明显好于基于抑脂T2WI特征。因此表明影像组学可以用于鉴别软骨肉瘤与内生软骨瘤,且T1WI影像的诊断价值更高,更能全面地反映肿瘤的异质性。Gitto等24还基于158例软骨源性骨肿瘤的T1WI,通过机器学习分类模型对非典型软骨瘤和级软骨肉瘤进行鉴别,结果显示机器学习分类模型在识别验证组病变时准确度为92%。其正确分类非典型软骨瘤和级软骨肉瘤的准确度分别为98%和80%。医生对验证组病变进行分类的准确度为98%,而机器分类的诊断效能与其相似,表明机器学习在基于MRI影像学特征的长骨非典型软骨瘤和
21、级软骨肉瘤分类中显示出较高的准确性。Li等25评估了基于多参数MRI的术前影像组学特征在鉴别颅底脊索瘤和软骨肉瘤上的作用,基于T1WI、CE-T1WI、T2WI,选取了11个特征,结果显示训练组和验证组的AUC分别为0.97和0.87,表明多参数MRI影像组学特征可以准确鉴别颅底脊索瘤和软骨肉瘤。综上,这些研究大都只确定了2种类型的肿瘤且样本量相对较小,而对包含软骨肉瘤的多种类型肿瘤的识别能力尚不清楚。Yin等26对795例骨盆和骶骨肿瘤病人进行回顾性研究,评估了基于术前CT平扫和临床特征的随机森林机器学习模型在鉴别骨盆和骶骨的各类肿瘤(转移瘤、脊索瘤、骨巨细胞瘤、软骨肉瘤、骨肉瘤、神经源性肿
22、瘤和尤文氏肉瘤)中的效能,结果表明,基于临床特征和CT特征建立的临床-影像组学模型比单独的影像组学模型和临床模型表现更好,在预测骨盆和骶骨肿瘤分型中更有价值。3面临的挑战综上所述,影像组学在软骨肉瘤的分级、复发预测、鉴别诊断方面都有较大应用潜力。与传统影像形态学的改变相比,影像组学不仅能提高诊断准确率,还能反映潜在的病理生理学,因此影像组学的发展对软骨肉瘤的评估具有广阔的应用前景。但目前尚未有影像组学研究转化为临床应用,且软骨肉瘤影像组学研究以小样本、单中心、回顾性研究为主,仍需要扩大样本量,进行多中心的前瞻性研究进一步证明。影像组学仍处于初级阶段,尚未建立标准化的数据收集和研究方法,在图像分
23、割、特征提取与选择等方面存在多样性和差异性。影像组学如何从实验研究转化为临床应用,仍需要标准化的工作流程和临床效能评估。如何解决影像特征再现性和模型验证,仍需要进一步的探索。参考文献:1THORKILDSEN J,TAKSDAL I,BJERKEHAGEN B,et al.Chondrosarcoma in Norway 1990-2013;an epidemiological and prognostic observational study of a complete national cohort J.Acta Oncol,2019,58:273-282.DOI:10.1080/028
24、4186x.2018.1554260.2CASALI P G,BIELACK S,ABECASSIS N,et al.Bone sarcomas:ESMO-paedcan-EURACAN clinical practice guidelines for diagnosis,treatment and follow-up J.Ann Oncol,2018,29:79-95.DOI:10.1093/annonc/mdy310.3ZHONG J,HU Y,GE X,et al.A systematic review of radiomics inchondrosarcoma:assessment o
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 软骨 肉瘤 影像 进展
![提示](https://www.zixin.com.cn/images/bang_tan.gif)
1、咨信平台为文档C2C交易模式,即用户上传的文档直接被用户下载,收益归上传人(含作者)所有;本站仅是提供信息存储空间和展示预览,仅对用户上传内容的表现方式做保护处理,对上载内容不做任何修改或编辑。所展示的作品文档包括内容和图片全部来源于网络用户和作者上传投稿,我们不确定上传用户享有完全著作权,根据《信息网络传播权保护条例》,如果侵犯了您的版权、权益或隐私,请联系我们,核实后会尽快下架及时删除,并可随时和客服了解处理情况,尊重保护知识产权我们共同努力。
2、文档的总页数、文档格式和文档大小以系统显示为准(内容中显示的页数不一定正确),网站客服只以系统显示的页数、文件格式、文档大小作为仲裁依据,平台无法对文档的真实性、完整性、权威性、准确性、专业性及其观点立场做任何保证或承诺,下载前须认真查看,确认无误后再购买,务必慎重购买;若有违法违纪将进行移交司法处理,若涉侵权平台将进行基本处罚并下架。
3、本站所有内容均由用户上传,付费前请自行鉴别,如您付费,意味着您已接受本站规则且自行承担风险,本站不进行额外附加服务,虚拟产品一经售出概不退款(未进行购买下载可退充值款),文档一经付费(服务费)、不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
4、如你看到网页展示的文档有www.zixin.com.cn水印,是因预览和防盗链等技术需要对页面进行转换压缩成图而已,我们并不对上传的文档进行任何编辑或修改,文档下载后都不会有水印标识(原文档上传前个别存留的除外),下载后原文更清晰;试题试卷类文档,如果标题没有明确说明有答案则都视为没有答案,请知晓;PPT和DOC文档可被视为“模板”,允许上传人保留章节、目录结构的情况下删减部份的内容;PDF文档不管是原文档转换或图片扫描而得,本站不作要求视为允许,下载前自行私信或留言给上传者【自信****多点】。
5、本文档所展示的图片、画像、字体、音乐的版权可能需版权方额外授权,请谨慎使用;网站提供的党政主题相关内容(国旗、国徽、党徽--等)目的在于配合国家政策宣传,仅限个人学习分享使用,禁止用于任何广告和商用目的。
6、文档遇到问题,请及时私信或留言给本站上传会员【自信****多点】,需本站解决可联系【 微信客服】、【 QQ客服】,若有其他问题请点击或扫码反馈【 服务填表】;文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“【 版权申诉】”(推荐),意见反馈和侵权处理邮箱:1219186828@qq.com;也可以拔打客服电话:4008-655-100;投诉/维权电话:4009-655-100。