骨盆骨肉瘤分化和尤因肉瘤使用Radiomic分析基于t2加权图像和超声造影t1影像

文摘

客观的。判断骨肉瘤(OS)和尤因肉瘤(EWS)骨盆的基于MRI可以使用radiomic差异化分析。材料和方法。在这项研究中,3.0 T磁共振(MR)数据的66例(40男性和26名女性,平均年龄 年)与病理证实OS或EWS骨盆(35与操作系统和31 EWS)从2013年4月到2017年12月进行回顾性综述。t2加权脂肪饱和(T2-FS)和对比度增强t1 (CET1)手动分割,图像和影像特征提取。独立样本 - - - - - -测试、斯皮尔曼的测试和最绝对的收缩和选择算子(套索)方法被用来选择最有用的特性从原始数据集。radiomic的性能分析研究的接受者操作特征(ROC)曲线下面积(AUC)分析。结果。385年首次从T2-FS和CET1奥数据特征提取。九个特征从CET1 T2-FS和7功能使用套索选择方法。radiomic分析区分操作系统和基于T2-FS EWS骨盆和CET1图像使用上述选择的特性实现了AUC值为0.881(95%可信区间(CI): 0.799 - -0.963)和0.765(95%置信区间:0.652—-0.878),分别。结论。Radiomic EWS的分析显示,区分操作系统潜在的骨盆,T2-FS在其中展现更好的诊断价值。骨盆的区分操作系统从EWS使用我们multiparametric mri radiomic分析术前可以大大提高诊断的准确性和治疗计划。

1。介绍

骨肉瘤(OS)是最常见的原发性恶性骨肿瘤在儿童和年轻人,尽管它有一个特殊的双峰年龄分布在第二个十年的生活和成年晚期(1]。操作系统有一个偏爱的metaphyseal部分长骨头,如股骨、胫骨、肱骨(2]。尤因肉瘤(EWS)是一种高档肉瘤发生在骨骼和extraskeletal位置;这是第三个最常见的原发性骨肉瘤,在操作系统和软骨肉瘤(3]。此外,EWS主要发生在四肢的骨头和骨盆的儿童和青少年。操作系统和骨盆的EWS分享许多特点和功能与出现在身体的其他部位。考虑到更深的位置身体比四肢,盆腔恶性肿瘤诊断时通常较大,从而极大地影响治疗和结果的结果。目前,大多数机构把操作系统和EWS患者新辅助化疗和随后的大手术切除的肿瘤。然而,试运行治疗是不同的,额外的辅助化疗通常是应用于高级操作系统,而放射治疗是用于EWS [1]。由于不同的治疗策略,早期的鉴别诊断存在的必要性。进行一个明确的诊断,活检是必要的,尽管它不能克服其侵袭性、抽样误差,和潜在的肿瘤扩散。非侵入性成像技术有助于可靠区分操作系统需要从EWS附加分化方法。

由于软组织分辨率的优越性,磁共振成像(MRI)现在成为诊断的首选工具,过渡和监控来自骨骼和软组织病变,因为它可以精确地展示的程度和肿瘤的大小。鉴于这样的骨性病变难以觉察地内可见脂肪骨髓在t1序列,t2加权脂肪饱和(T2-FS)序列和对比度增强t1 (CET1)序列有较高的敏感性在描述病变形态和周围结构。许多先进的技术和序列,可以帮助诊断已建立骨性和软组织肿瘤(4,5];然而,他们可能有时不能提供一个明确的分化,尤其是对操作系统和EWS因为他们的临床和形态相似之处。

分化radiomics的出现提供了新的方法,分段,监测肿瘤,甚至检测肿瘤遗传学。Radiomics极大地拓展了传统医学成像在临床肿瘤的范围,而不是只关注形态。Radiomics假定医学图像包含很多重要的潜在病理生理学信息转换成可开采的高维数据,可以与临床结果,为进一步使用在临床决策支持6]。近年来,radiomics一直主要用于肿瘤分期恶性肿瘤(7),预测淋巴结转移(8,9],肿瘤预后[10),预测治疗反应(11),甚至预测癌症表型(12,13]。

在目前的研究中,第一次,我们的目标是初步评估radiomic分析的能力从骨盆的EWS区分操作系统。

2。材料和方法

2.1。研究人群

在这个机构审查委员会批准了回顾性研究中,知情同意放弃。综述了临床和病理学的数据库来识别患者,入选标准如下:(一)病人组织学活检或骨盆肿瘤切除的肿瘤组织病理证实为OS或EWS, (b)病人MRI在我们研究所(包括T2-FS和CET1)和(c)先生从相同的供应商数据获得使用相同的系统(最小化图像质量的变化和信号强度)。排除标准如下:(一)成像质量差包括明显的工件,(b)的病变,不显示在获得图像,和(c)丢失的图像或相关序列。临床资料(年龄、性别,等等)是通过回顾医疗记录。坚持这些标准后,66名患者的研究数据集(40岁男性和女性,26日10 - 87岁,的意思 年)从2013年4月到2017年12月完成。这些66年经病理确诊病例包括35确认操作系统和31 EWS确认。表1列出此研究病人的特点。我们确定的主要肿瘤病灶的位置大病变涉及到多个网站。

2.2。数据采集先生

先生的图片都是获得使用发现MR750 3.0 T扫描仪(美国通用电气医疗集团、密尔沃基、WI)与一个八路相控阵身体对信号接收线圈。图像三维梯度自旋回波和t1加权获得召回回声2点Dixon脂/水分离方法(熔岩FLEX)。在每一个研究中,T2-FS序列和CET1序列被包括在内。等其他序列t1脂肪饱和图像和通用t1和t2影像分析不饱和脂肪被排除在外,因为回顾数据缺陷。静脉注射政府gadodiamide注入(Omniscan®,通用电气医疗集团,爱尔兰)使用体重依赖型剂量给药的协议(每公斤体重0.1更易/ L),和注射速率为2.5毫升/秒。所有序列描述的参数表2。先生所有数据检索的图像存档和通信系统(PACS)的研究所和保存在DICOM格式进行进一步分析。

2.3。图像的预处理

radiomic分析之前,所有图片都被转移到itk-SNAP软件(版本3.6.0,http://www.itksnap.org/)分割。所有病变是由放射科医生手动分割有超过7年的MRI诊断经验。另一个放射学家有超过10年的MRI诊断经验要求确认分割的准确性。修改是由两个放射科医生的分歧在特定图像分割后的讨论。描述ROI,包括整个肿瘤,肿瘤前期水肿、骨膜反应,进行每个序列的一个图像。选片或图像显示病变的最大前后的直径。

2.4。Radiomic特征提取

图像特征提取使用分析工具软件(A.K.,GE Healthcare) from T2-FS and CET1 data with manually segmented ROIs. Statistical analysis was used to perform radiomic feature extraction, which included histogram features, form factor features, Haralick features [14应用灰度共生矩阵建立的),灰度同现矩阵()特性(抵消1/4/7)[14),灰度矩阵长度(GLRLM)特性(抵消1/4/7,[15- - - - - -17])。一些功能被发表在表3。

2.5。特征选择方法

我们用独立样本 - - - - - -测试、斯皮尔曼的测试和套索方法选择最有用的特性与分化相关的操作系统和从原始数据集(EWS19]。一个0.05被认为是独立样本的统计学意义 - - - - - -测试和斯皮尔曼的测试。套索的特征选择方法的原理是抑制一些特性系数为零,通过调整参数 。然后,接受者操作特征曲线下的面积(AUC)可以实现对日志( )通过使用10倍交叉验证。套索方法的优势分析大量radiomic特性和稀疏的样品(20.]。结果来源于套索通常是健壮的和容易解释。

2.6。统计分析

我们用R软件(R统计计算的基础,奥地利的维也纳。URL:http://www.R-project.org)执行统计分析。“glmnet”包是用于套索逻辑回归。一个0.05被认为是具有统计学意义。

3所示。结果

3.1。Radiomic特征提取和选择

研究流程图呈现在图1。总共有385初始特征提取原始数据。他们被分成五种类型,包括直方图特性( ),外形特征( ),Haralick特性( ),GLCM特性(抵消1/4/7)( ),和GLRLM特性(抵消1/4/7)( )。采用独立样本 - - - - - -测试、斯皮尔曼的测试和套索方法,潜在的预测被选中,如表所示4(一)。

我们的分析主要集中在功能使用套索提取方法,因为许多其他特征提取的两种方法是相对较大的,从而增加了困难进行进一步分析。其中,通过使用套索方法,我们选择九个特征从CET1 T2-FS图像和七个特征图像,最强大的操作系统和EWS(图之间的区别2)。选择结果如表所示4 (b)。

3.2。差异化的表现

的敏感性和特异性区分操作系统和使用数据从T2-FS EWS和CET1如表所示5。radiomic模型基于T2-FS和CET1图像实现了AUC值为0.881(95%置信区间CI: 0.799 - -0.963)和0.765(95%置信区间:0.652—-0.878),分别使用德龙的测试,这是显示在图3。

4所示。讨论

在本文中,我们评估的能力我们新建立的基于使用multiparametric radiomic模型数据来帮助区分操作系统从EWS先生的骨盆。我们评估16特性,提取和使用套索选择方法。radiomic模型取得了良好的结果,构成了一个新的技术操作系统和EWS的歧视。T2-FS和CET1 AUC是高。高特异性实现时使用数据从T2-FS和CET1(分别为82.9%和100%),和T2-FS灵敏度也很高(74.2%)。简而言之,我们相信,这项工作中所开发的方法可以作为一个可靠的差异化操作系统从EWS的额外工具。

术前骨盆的OS和EWS之间的歧视是困难的临床实践中,虽然它可能是由使用临床资料,如年龄、性别、和其他辅助检查,如医学图像。操作系统是最常见的原发性恶性骨肿瘤,这源于原始成骨间充质细胞。它有一个双峰年龄分布,分别是在青春期和成年年龄。骨盆的OS是罕见,只有大约8%的网站21]。EWS的骨头是第三个最常见的原发性骨恶性肿瘤,只有操作系统和软骨肉瘤在患病率超过。发病率的山峰在第二个十年的生活。常见的肿瘤位置,EWS长骨头和骨盆的骨干,但最常见的网站仍然是四肢,这是相当类似的操作系统(22]。

操作系统和EWS展示积极的特性在射线照相法,反映他们的高档恶性肿瘤的性质。许多常见的成像特性是可用的,例如骨破坏的过时的permeative模式,一个变量数量的矿化骨样的,各种类型的骨膜反应,邻近软组织肿块(23,24]。在成像模式中,MRI是经常使用的。骨髓替换和皮质破坏可以更清楚地看到与异构的MRI信号强度。它提供了出色的组织对比,这是比计算机断层扫描(CT)和传统放射学;然而,它不能明确区分操作系统和EWS由于重叠成像特点和肿瘤的位置。例如,大多数小细胞的操作系统(OS)的亚型病例的影像学特征包括溶解性骨破坏,一个软组织的质量,骨膜反应,也常见于EWS病例。此外,他们的细胞小而圆,细胞核浓染;他们甚至可能被误解彼此通过组织学分析(25]。一些高级序列做出鉴别诊断进行了调查,如diffusion-weighted成像(驾车)4)和intravoxel不连贯的运动(IVIM) [26]。然而,歧视的能力并不令人满意。

Radiomics是一种新方法,它使用高级成像功能分化,分期,监测肿瘤,甚至检测肿瘤遗传学。与传统的放射诊断方法相比,radiomics可以提供足够的信息,提高诊断的再现性。因此,与传统MRI结合radiomics协议值得期待,因为它可能发展成一个模型来削弱用户依赖的解释,因为诊断精度高度依赖放射科医生的经验。因此,我们决定使用radiomic评估分化能力的性能分析。的价值radiomics过去十年一直在接受调查。先前的研究主要集中在建立radiomics列线图的分期恶性肿瘤(7),预测淋巴结转移(8,9],肿瘤预后[10),预测治疗反应(11),甚至预测癌症表型(12,13]。

我们所知,本研究是第一次尝试使用radiomics来区分这两个骨的恶性肿瘤。我们使用的应用程序是一个成熟的平台,和它提供的radiomic特征可以描述信号强度、形态特征、和病变的纹理信息,从而可能代表病变的全面的信息。作为演示,radiomics可以显示更多的信息比成像对肿瘤生物学的基本形态。例如,在表中4,高灰度级的强关联运行重点从T2-FS中提取数据集可以从这一事实来解释病人拥有大而不规则的高信号强度在t2加权像上的内在部分肿瘤,最有可能代表坏死区域。这些内在的存在,长T2信号不规则区域表明肿瘤迅速增长的规模和可能更可能是一个操作系统。

对于大多数肿瘤先生考试在我们的研究所,T2-FS和CET1被包含。T2-FS可以有效地描述病变的边界和演示整个细胞病变的密度在一定程度上,而CET1可以描述病变的血管分布,反映的恶性程度,区分坏死和实体肿瘤。此外,以往的研究,这种序列用于radiomic分析取得了良好的结果(27,28]。因此,我们建立了我们的模型使用这两个序列。根据我们的结果,产生了从CET1 T2-FS执行比,AUC和较高的灵敏度,从而可能受益患者对造影剂过敏。我们假设一阶特征选择到T2-FS模型评估intralesional异质性,从而占病理特征,对操作系统和EWS的区别很重要。的选择主要是高阶特征表明,结构异质性病变不同空间方向是描述性的分类。

总的来说,这项工作中提出的方法被发现具有高潜在操作系统和EWS的歧视。然而,它也有一些局限性。首先,回顾自然相对减少的证据。我们只分析T2-FS CET1由于这种性质,因为相当多的不完整的扫描不包含其他先进的序列,如酒后驾车。相对较小的数据集是另一个限制,和一个更大的患者群需要创建一个更健壮的模型。我们排除了大部分数据,因为患者的一部分操作系统或EWS骨盆不进行对比度增强MRI的一些原因,比如幽闭恐怖症,依从性差,和潜在的造影剂过敏。此外,一些病人的临床特征是不完整的,所以我们必须排除这部分。因此,多变量rad-score列线图建立遗憾地放弃了。此外,减少图像变化,许多的数据项上执行不同的3 T系统就被抛弃了。许多出版radiomic研究将病人分成训练集和验证集的验证建立的模型的性能。 However, because of the small data set, this method needed to be waived. Nonetheless, using the approach for collecting such a scale of data in a single institution has not been easy because of the relatively low morbidity of both diseases, especially only for pelvic lesions. Further research would expect improved performance by using other modalities’ images, such as CT, plain films, or some other multiparametric MR images by conducting a prospective, multicenter, rigorous designed study to solve the aforementioned issues. In addition, to a certain extent, using a 2D manual segmentation of tumor (ROI was only drawn on the largest cross-sectional area of the entire lesion) instead of a 3D automatic/semiautomatic method might affect the final result of radiomic feature analysis. Some features, such as lesion volume and irregularity, could not be extracted to be further analyzed. However, because of the strong stability of our selected radiomic features, the difference could be ignored. Moreover, manual segmentation of the tumors by experienced researchers has been applied in many previous studies and yielded excellent results [29日- - - - - -31日]。一个自动电脑肿瘤分割方法与高可靠性应该用于未来的研究。

5。结论

我们所知,没有以前公布的研究在文献中使用radiomic分析从EWS区分操作系统。在我们的研究中,我们发现,有一个有前途的权力操作系统和EWS的区别使用我们multiparametric MR-based radiomic分析。

数据可用性

和/或使用的数据集分析在当前研究可从相应的作者以合理的要求。

信息披露

文摘的是ISMRM, 2019年在蒙特利尔,加拿大,作为一个数码海报展示,临时发现。

的利益冲突

作者宣称没有利益冲突。

作者的贡献

彝族傣族和平阴co-first作者在纸上。

引用

1. d·d·摩尔和h . h .并“骨肉瘤,”癌症治疗和研究卷,162年,第92 - 65页,2014年。视图:出版商的网站|谷歌学术搜索
2. g . Iannaci r·露意丝·Sapere r·m·A .使用和r . Rossiello”Extraskeletal骨肉瘤:一种罕见的病例报告的原发肿瘤研究和审查的文学,”病理学、研究和实践,卷209,不。6,393 - 396年,2013页。视图:出版商的网站|谷歌学术搜索
3. l·g·沙、k . Szuhai和p . c . Hogendoorn”尤因肉瘤的测序概述:穿越基因组,外遗传性和转录组风景,“国际分子科学杂志》上,16卷,不。7,16176 - 16215年,2015页。视图:出版商的网站|谷歌学术搜索
4. h·纽鲍尔,l·伊万格丽斯塔,n . Hassold et al .,“Diffusion-weighted MRI检测和肌肉骨骼肿瘤的分化和肿瘤病变在儿科患者,”世界儿科杂志》,8卷,不。4、342 - 349年,2012页。视图:出版商的网站|谷歌学术搜索
5. j .亚太区s Gamanagatti m . c . Sharma et al .,“无损成像替代骨肉瘤的血管生成”儿科血液和癌症,54卷,不。4、526 - 531年,2010页。视图:出版商的网站|谷歌学术搜索
6. r . j . Gillies p e . Kinahan, h . Hricak”Radiomics:图像是比图片,数据,”放射学,卷278,不。2、563 - 577年,2016页。视图:出版商的网站|谷歌学术搜索
7. v . d . a . Corino e . Montin a梅西纳et al .,“Radiomic软组织肉瘤可以区分中级和高级分析病变,“磁共振成像杂志》上卷,47号3、829 - 840年,2017页。视图:出版商的网站|谷歌学术搜索
8. y .问:黄,c . h .梁l . et al。”开发和验证radiomics列线图术前预测结直肠癌淋巴结转移的”临床肿瘤学杂志,34卷,不。18日,第2164 - 2157页,2016年。视图:出版商的网站|谷歌学术搜索
9. 吴,j .郑y李et al .,”一个radiomics列线图的术前预测淋巴结转移在膀胱癌,”临床癌症研究,23卷,不。22日,第6911 - 6904页,2017年。视图:出版商的网站|谷歌学术搜索
10. h . Li y朱、e·s·伯恩赛德et al .,”MR成像radiomics签名预测乳腺癌复发的风险由研究版本的MammaPrint Oncotype DX, PAM50基因化验,”放射学,卷281,不。2、382 - 391年,2016页。视图:出版商的网站|谷歌学术搜索
11. s r·鲍恩w·t·c .刚才d s Hippe et al .,“肿瘤radiomic异构性:multiparametric功能成像特征变化和预测反应宫颈癌放疗后,“磁共振成像杂志》上卷,47号5,1388 - 1396年,2018页。视图:出版商的网站|谷歌学术搜索
12. w·b·赵y Tan y蔡et al .,“再现性的radiomics破译肿瘤表型与成像,”科学报告》第六卷,没有。1,p。23428年,2016。视图:出版商的网站|谷歌学术搜索
13. w·郭h . Li y朱et al .,“临床表型预测乳腺浸润性癌radiomics和基因组学数据集成的,”医学影像杂志,卷2,不。4、第041007条,2015年。视图:出版商的网站|谷歌学术搜索
14. r . m . Haralick k Shanmugam,汀斯坦,”纹理特征的图像分类,“IEEE系统,人,控制论,SMC-3卷,不。6,610 - 621年,1973页。视图:出版商的网站|谷歌学术搜索
15. m·m·洛韦”,使用灰度纹理分析的运行长,”计算机图形学和图像处理,4卷,不。2、172 - 179年,1975页。视图:出版商的网站|谷歌学术搜索
16. 楚,c . m . Sehgal和j . f .另一则“使用灰度值分布运行长度的纹理分析,“模式识别的字母,11卷,不。6,415 - 419年,1990页。视图:出版商的网站|谷歌学术搜索
17. b . v . Dasarathy e . b .持有人,“基于联合灰色level-run长度分布的图像特征,“模式识别的字母,12卷,不。8,497 - 502年,1991页。视图:出版商的网站|谷歌学术搜索
18. e·j·萨顿“直方图和区域系统。”插图摄影,2016年。视图:谷歌学术搜索
19. w . Sauerbrei、p·罗伊斯顿和h .粘结剂”选择重要的变量和函数形式的确定连续预测在多变量模型中,“医学统计,26卷,不。30日,第5528 - 5512页,2007年。视图:出版商的网站|谷歌学术搜索
20. t . Hepp m·施密德o . Gefeller用蒙太奇,e . Waldmann答:娃,“正规化回归方法——比较梯度提高和套索,”医学信息的方法,55卷,不。5,422 - 430年,2016页。视图:出版商的网站|谷歌学术搜索
21. g . Ottaviani和n . Jaffe“骨肉瘤的流行病学,”癌症治疗和研究2009年,卷152,页3日到13。视图:出版商的网站|谷歌学术搜索
22. d·d·摩尔和r·c·海顿”骨尤文氏肉瘤,”癌症治疗和研究卷,162年,第115 - 93页,2014年。视图:出版商的网站|谷歌学术搜索
23. f . Eftekhari”成像评估骨肉瘤在童年和青春期:诊断、分期,并评估对化疗,”癌症治疗和研究卷。152年,33 - 62年,2009页。视图:出版商的网站|谷歌学术搜索
24. m·d·Murphey l·t·赛恩,p . k . Mambalam c .假珠宝饰物,m . k . Klassen-Fischer和m . j . Kransdorf”从放射病理档案:尤因肉瘤的肿瘤:radiologic-pathologic相关性,”射线照相,33卷,不。3、803 - 831年,2013页。视图:出版商的网站|谷歌学术搜索
25. g . Yarmish m·j·克莱因j .兰达r·a·莱夫科维茨和美国黄,“原发性骨肉瘤的影像特征:非传统亚型,”射线照相,30卷,不。6,1653 - 1672年,2010页。视图:出版商的网站|谷歌学术搜索
26. w·h·k·Lim h . Jee j.y.荣格et al .,“Intravoxel不连贯的运动diffusion-weighted先生成像良性和恶性分化的肌肉骨骼肿瘤3 T,”英国放射学杂志》上,卷91,不。1082,20170636,页2018。视图:出版商的网站|谷歌学术搜索
27. 亨德森,c . Purdie c .米奇et al .,“临时异质性变化测量使用熵纹理特性在t2加权MRI 3.0 T与病理反应在原发性乳腺癌新辅助化疗,”欧洲放射学,27卷,不。11日,第4611 - 4602页,2017年。视图:出版商的网站|谷歌学术搜索
28. s . Bickelhaupt d . Paech p Kickingereder et al .,“预测恶性肿瘤从对比radiomic签名agent-free扩散磁共振成像在可疑乳腺癌病变筛查性乳房x光检查发现,“磁共振成像杂志》上,46卷,不。2、604 - 616年,2017页。视图:出版商的网站|谷歌学术搜索
29. t . p .花冠诉Agrawal诉Narayan et al .,“Radiomic表型特征预测非小细胞肺癌的病理反应,”放射治疗和肿瘤,卷119,不。3、480 - 486年,2016页。视图:出版商的网站|谷歌学术搜索
30. 诉Kumar y顾,s Basu et al .,“Radiomics:过程和挑战,”磁共振成像,30卷,不。9日,第1248 - 1234页,2012年。视图:出版商的网站|谷歌学术搜索
31. c . w . Wu Parmar, p . Grossmann et al .,“探索性研究确定radiomics肺癌组织学分类器,”在肿瘤领域》第六卷,71页,2016年。视图:出版商的网站|谷歌学术搜索

版权

版权©2020彝族傣族等。这是一个开放的分布式下文章知识共享归属许可,它允许无限制的使用、分配和复制在任何媒介,提供最初的工作是正确引用。