基于体素的股骨近段骨密度和骨皮质厚度的测量及可重复性研究

林燕语 王玲 张睿 杨明辉 吴新宝 程晓光 高欣*

1. 中国科学院苏州生物医学工程技术研究所，江苏 苏州 215163 2. 中国科学院大学，北京 100049 3. 北京积水潭医院放射科，北京 100035

由于人口老龄化、超老龄化的社会进程加速，骨质疏松性骨折(又称脆性骨折)的发生率逐年上升，其中骨质疏松性髋部骨折具有发病率高、死亡率高及致残率高的特点。10%～20%的髋部骨折患者于骨折后一年内死亡，约一半患者愈后很难恢复至骨折前体力活动能力[1]。而且髋部骨折患者大部分都需要手术治疗，医疗费用高，给患者和家庭带来沉重的经济负担和精神压力。因此，骨质疏松性髋部骨折已成为一个重大的公共卫生问题。

髋关节发生脆性骨折与多种因素有关，包括骨密度、骨强度及骨微结构等[2-4]。近几年，骨密度和骨皮质厚度已被广泛应用于髋部骨折研究及风险评估[5-8]。双能X线骨密度仪是测量骨密度的推荐标准，然而它局限于二维平面技术限制，无法全面获得整个骨骼的结构信息，同时无法准确区分骨皮质和骨松质；此外，测量精度不高，且肥胖和体型对测量结果影响较大。随着医学影像技术的发展，定量CT可以准确地测出骨皮质和骨松质，近年来结合定量CT发展出的计算解剖学，实现了骨骼的三维全方位评价[9]。体素的形态学分析(voxel-based morphometry，VBM)和统计参数图(statistical parametric mapping，SPM)等方法被应用于骨质疏松领域，促进了局限性骨质疏松概念的形成和发展[10]。VBM是在体素水平上进行参数比较，用于分析个体之间局部结构形态学差异的方法。VBM技术最早由Wright等[11]提出，用于颅脑磁共振成像图像的分析研究中[12-15]，同时也被应用于骨密度的年龄变化分析[16]。骨皮质映射(cortical bone mapping，CBM)技术最早由Treece等[7]提出，它借鉴了VBM技术的思想，用于分析骨皮质厚度的形态学变化研究。尽管应用前景广阔，然而这些方法在股骨近段测量的精密度还没有得到充分验证，另外国内也未见相关报道。本研究拟借助VBM技术思想以体素化方式量化股骨近段的骨密度及骨皮质厚度，并以三维可视化的方式对生成的统计参数图进行显示，通过比较28例患者短时间内两次定量CT(quantitative computed tomography，QCT)扫描数据的股骨近段骨密度及骨皮质厚度的统计差异，验证骨密度及骨皮质厚度测量方法的可重复性。

1 材料和方法

1.1 研究对象

对于短期精密度研究的对象，出于射线辐射危害考虑，本研究未招募患者扫描两次髋关节CT，而是筛选了2015年1月2日至2016年12月15日期间在北京积水潭医院创伤骨科急诊室就诊的28例髋关节骨折患者，其中男性6例，女性22例。急诊放射医生会对纳入者介绍这项研究，经得纳入者同意并填写髋关节骨折问卷表后，在进行髋关节CT扫描时加垫QCT体模，未增加患者射线剂量。髋关节骨折问卷表主要包括跌倒时的情形及有无影响骨代谢的疾病[17]。发生髋部骨折的患者就诊北京积水潭医院创伤骨科急诊后会常规行髋部CT扫描以核实骨折情况，而部分行骨折内固定手术的患者存在内固定物不稳的风险，故术后创伤骨科医生会建议患者进一步行术后髋部CT扫描。本研究中纳入的均为短时间行两次髋部QCT扫描的股骨颈骨折患者，且经放射医生阅图后明确这些患者的术后扫描图像内固定螺钉伪影对健侧髋关节图像无伪影影响，同时为避免卧床引起的骨量丢失造成测量结果差异，本次入选患者的两次QCT扫描时间差均不超过72 h。本研究项目经北京积水潭医院伦理委员会批准实施。

1.2 QCT扫描参数及方案

采用东芝16排CT扫描机(Toshiba，Tokyo，Japan)和加垫 Mindways公司(Mindways Software Inc.，Austin，TX，USA)的5样本固体体模进行螺旋扫描，扫描范围按照临床要求扫描。扫描技术参数：120 kV，125 mAs，床高78 cm，螺距：0.985，DFOV：400 mm，矩阵大小：512×512，体素大小：0.741 mm×0.741 mm×0.798 mm～0.976 mm×0.976 mm×0.810 mm。

1.3 基于体素的分析方法

本研究借鉴了VBM技术思想，用于体素化定量分析股骨近段的骨密度及骨皮质厚度，并以三维可视化的方式对生成的统计参数图进行显示。首先，使用mimics软件从28例患者QCT影像中手动分割出股骨近段结构，并从中选择一个股骨近段形状大小相对于所有数据比较适中，无畸变，同时在3个解剖平面都能较好显示出股骨近段结构的数据作为标准的股骨近段模板。然后，将其余股骨近段结构与该标准模板进行三维弹性配准，使所有患者股骨近段结构的相同解剖位置在空间上对应起来。然后对配准后的影像进行平滑处理，并通过最小二乘方法和列文伯格-马夸尔特方法将每个体素的CT值分别转换成相对应的骨密度值和骨皮质厚度值；最后利用参数统计检验方法对两次扫描数据的股骨近段骨密度及骨皮质厚度进行组间比较分析，分别生成骨密度和骨皮质厚度三维统计参数图，验证骨密度和骨皮质厚度测量方法的可重复性。

1.3.1配准：采用三维弹性配准算法，对分割后的股骨近段影像I0和标准的股骨近段模板影像I1进行配准，获取I0中髋关节体素X在I1的对应位置T(X)，此过程可表述如下：

其中，E为衡量I0和I1对齐程度的目标函数。本试验中，骨密度分析使用的配准算法是仿射配准和Diffeomorphic配准算法[18]，应用Ants程序包。骨皮质厚度分析使用的是非刚性配准算法[19]，应用wxRegSurf软件。

1.3.2基于最小二乘拟合的骨密度测量方法：通过计算体模中已知的K2HPO4浓度和对应CT值，使用最小二乘方法拟合出CT转换成骨密度的公式[20]：

BMD=a*HU+b

其中，HU是骨组织CT值，a、b是根据体模相应区域的密度和CT值计算出的斜率和截距。借此，可获得骨组织三维结构中的每个体素的骨密度值。

1.3.3基于列文伯格-马夸尔特(Levenberg-Marquardt)的骨皮质厚度测量方法：使用基于点扩散函数(point spread function，PSF)成像系统的列文伯格-马夸尔特数学模型方法计算骨皮质厚度公式[21]：

y(x)=y0+(y1-y0)H(x-x0)+

(y2-y1)H(x-x1)

其中，y0、y1、y2分别是周围软组织、皮质骨和松质骨的CT值；H(x)是单位阶跃函数。通过CT值拟合骨皮质厚度曲线，获得骨皮质厚度值。测量骨皮质厚度方法采用集成在treece的stradwin软件上。

1.3.4SPM分析：SPM是一个Matlab工具箱，用于使用线性混合效应模型和随机场理论对单变量和多变量表面和体积数据进行统计分析[22]。SPM股骨近段图像处理及分析步骤：(1)对图像进行归一化处理；(2)分别建立两次QCT扫描数据对应的两两对照模型，采用独立样本t检验，对患者的股骨近段数据进行统计分析；(3)统计阈值设置为P<0.05，获得统计差异图(统计图上只显示P<0.05的值)。

把28例患者两次QCT扫描的数据按扫描先后次序划分为第1次测量和第2次测量。通过上述方法测量出骨密度、骨皮质厚度参数后，使用SPM对第1次测量和第2次测量的骨密度及骨皮质厚度进行统计分析，获得平均值和P值，并分别生成对应的三维统计参数图。

2 结果

本研究中筛选出的28例髋部骨折患者中男性6例，女性22例，平均年龄(63.0±13.7)岁。骨密度和骨皮质厚度参数两次测量的可重复性结果见表1。表1中P值代表第1次测量和第2次测量的统计差异，其中骨密度和骨皮质厚度的P值均大于0.05，差异无统计学意义，表明两次QCT扫描的骨密度和骨皮质厚度的测量结果差异较小，两种参数测量方法的可重复性较好。第1次测量和第2次测量的骨密度标准差相对于骨皮质厚度较大，是因为骨密度基于全局配准的算法比骨皮质厚度基于表面点配准的误差大。同时，骨密度值的范围是0～1000 mg/cm3，而骨皮质厚度值的范围是0～5 mm，较大的变化范围也会引起标准差的增大。

在标准模板框架下，对28例患者股骨近段每个体素的骨密度和骨皮质厚度求平均值和P值，获得骨密度和骨皮质厚度的平均值分布图和P值统计图，并以5个不同视角(分别是标准股骨近段模板的前、后、上、左、右侧视角)显示数值计算三维伪彩色可视化结果。图1、2分别以透视方式展示了5个视角的股骨近段所有体素(表面和内部)的骨密度平均值和骨密度P值，图3、4分别以面绘制方式展示了5个视角的股骨近段表面体素的骨皮质厚度平均值和骨皮质厚度P值。其中，骨密度值范围为0～1000 mg/cm3，骨皮质厚度值范围为0～5 mm，彩色图谱的范围为蓝色过渡到红色。P值显示范围为0～0.05，在此范围内的P值也以彩色图谱表示，超出部分以灰色表示。图1和图3结果表明股骨头部位的骨密度较小、骨皮质较薄，而粗隆部位的骨密度较大、骨皮质较厚。图2和图4结果可以看出每个体素的P值均大于0.05(灰色表示)，差异无统计学意义，说明28例患者两次QCT扫描的骨密度和骨皮质厚度测量结果差异均无统计学意义。

表1 骨密度和骨皮质厚度参数两次测量的可重复性结果Table 1 Repeatability results of two measurements of bone density and cortical thickness parameters

图1 28例患者两次QCT扫描的体素化骨密度平均值分布图(A～E分别表示标准股骨近段模板的左、右、上、前、后侧视角)Fig.1 The BMD average distribution of the 28 patients with two QCT scans (A-E represents the left, right, up, front and rear side view of the standard proximal femur template, respectively)

图2 28例患者两次QCT扫描的体素化骨密度P值统计图(A～E分别表示标准股骨近段模板的左、右、上、前、后侧视角)Fig.2 The BMD P-value map of the 28 patients with two QCT scans (A-E represents the left, right, up, front and rear side view of the standard proximal femur template, respectively)

图3 28例患者两次QCT扫描的体素化骨皮质厚度平均值分布图(A～E分别表示标准股骨近段模板的左、右、上、前、后侧视图)Fig.3 The CTh average distribution of the 28 patients with two QCT scans (A-E represents the left, right, up, front and rear side view of the standard proximal femur template, respectively)

图4 28例患者两次QCT扫描的体素化骨皮质厚度P值统计图(A～E分别表示标准股骨近段模板的左、右、上、前、后侧视角)Fig.4 The CTh P-value map of the 28 patients with two QCT scans (A-E represents the left, right, up, front and rear side view of the standard proximal femur template, respectively)

3 讨论

骨密度是公认的评价骨骼强度及诊断骨质疏松的标准，而骨皮质则被认为与骨强度有较高的相关性，对骨折预测也是学界的研究热点[23-24]。基于VBM思想的计算解剖学方法，能够定量地检测出股骨近段的骨密度和骨皮质厚度，SPM方法能够对股骨近段进行三维的全方位骨质量评估，完全有别于传统的感兴趣区域骨骼评价方法。虽然这些技术能够测量股骨近段的骨密度和骨皮质厚度，但是在股骨近段测量的精密度还没有得到充分验证。本研究已通过使用基于VBM技术思想的方法对两次QCT扫描的骨密度和骨皮质厚度进行测量与统计分析，统计结果差异无统计学意义，验证了测量方法的可重复性较好。该结果与国外大多数学者研究结果一致[25-27]。

目前，中国对于髋关节的三维骨密度和骨皮质厚度统计分析研究较少。研究结果已验证骨密度和骨皮质厚度的测量方法具有较好的重复性，该技术可用于大样本的髋关节骨折研究。在未来，期待该技术能够广泛应用于髋关节领域，为髋关节骨折类型以及骨参数与年龄相关变化等研究提供技术支持，有利于分析出与骨折有强关联性的感兴趣区域，发现新的髋部骨折风险靶点，并且能够提升髋部骨折风险预测能力。

本研究中还存在以下两点不足。(1)本研究从28例患者两次QCT扫描数据中选择一个形状结构适中的股骨近段结构作为标准模板，没有采用统计形态模型[28]方法构建标准模板。统计形态模型是基于统计学习模型的形态提取方法，从多个结构中生成一个差异最小的平均形态模型。虽然髋部结构差异不是特别大，但是如果用统计形态模型作为标准模板的话，会提高配准算法的准确性。(2)QCT影像中股骨近段结构采用手动分割，而非全自动分割。手动分割耗时长，难度大，导致基于QCT的大样本量测量分析工作量大。因此在后期的研究中会针对这两点进行改善。