常规T2 FLAIR序列自回归模型纹理分析对帕金森病的诊断价值

刘磐石，郑石磊，王晗，张祥林*

1.锦州医科大学附属第一医院放射科，辽宁锦州 121001；2.泰安市中心医院医学影像中心，山东泰安 271000；

帕金森病（Parkinson's disease，PD）是一种常见的神经退行性疾病，全球65岁以上老年人发病率为2%～3%[1]。PD的临床症状包括静止性震颤、肌强直、运动迟缓、认知及睡眠障碍等，严重影响患者的生活质量。既往诊断PD主要依靠临床表现[2]。在神经影像学方法中，常规MRI检查诊断PD缺乏特异性[3]；功能MRI有助于诊断PD，但均存在序列复杂、耗时长等局限性，故尚未广泛应用于临床[3]。纹理分析是一种新兴的图像后处理技术，其利用数学方法对图像像素灰度值的相互关系、变化规律及其分布模式进行定量研究，挖掘肉眼无法识别的图像潜在信息，并能够反映感兴趣区的病理改变[4]。研究表明，常规 MR纹理分析可用于诊断中枢神经系统变性疾病，如PD、阿尔茨海默病等[5-6]。自回归模型是一种基于邻域灰度差矩阵的有效纹理分析方法，可用于病灶良恶性及来源的鉴别诊断[7-9]。然而，自回归模型纹理分析技术在PD中的应用鲜有报道。本研究通过分析PD患者T2 FLAIR图像中尾状核头处自回归模型特征参数值的改变，探讨基于常规T2 FLAIR序列自回归模型纹理分析对PD的诊断价值。

1 资料与方法

1.1 研究对象 回顾性分析2016年3月－2018年5月锦州医科大学附属第一医院住院及门诊治疗的 28例PD患者，其中男11例，女17例；年龄43～81岁，平均（69.1±8.7）岁；病程4～6年。纳入标准：①符合中华医学会神经病学分会运动障碍及帕金森病学组制订的PD诊断标准，且Hoehn-Yahr分级为2.5～3级[2]；②治疗前进行包括T2 FLAIR序列在内的常规MRI检查；③无影响图像纹理分析的伪影。排除标准：①阿尔茨海默病或其他痴呆症；②患有心脏、肺或胃肠疾病以及肝或肾功能不全等；③活动性恶性肿瘤；④MRI禁忌证、酒精或药物成瘾以及妊娠者。同时纳入28例健康体检者作为对照组，其中男12例，女16例；年龄51～85岁，平均（71.5±5.4）岁。排除标准与 PD 组相同。所有对照组研究对象均于锦州医科大学附属第一医院进行包括T2 FLAIR序列在内的常规MRI检查，且图像无明显影响纹理分析的伪影。

1.2 仪器与方法 采用GE Signa HDe 1.5T超导MR扫描仪，标准头颅线圈。扫描序列：平扫轴位 T1 FLAIR、T2WI、T2 FLAIR、扩散加权成像（DWI）。T1 FLAIR 序列扫描参数：TI 800～900 ms，TR 2000～2500 ms，TE 20～25 ms；T2WI序列扫描参数：TR 4000～4500 ms，TE 100～110 ms；T2 FLAIR 序列扫描参数：TI 2000～2100 ms，TR 8000～8600 ms，TE 150～170 ms，视野240 mm×240 mm，层厚6 mm，层间距2 mm，矩阵256×256；DWI（SE-EPI序列）：TR 4500～5500 ms，TE 70～80 ms，视野 240 mm×240 mm，层厚6 mm，层间距2 mm，矩阵160×160。

1.3 图像分析

1.3.1 图像选择 在后处理工作站上将所有图像以“*.BMP”格式导出。在中枢神经系统纹理分析的应用中T2 FLAIR序列蕴含更多信息[10]；故本研究在轴位T2 FLAIR序列上提取纹理特征。分别由2名具有4年及7年影像诊断经验的主治医师评价图像，并确定用于分析的层面，意见有分歧时通过协商达成一致。为更全面地提取纹理特征，选择每例研究对象显示尾状核头面积最大的1个层面用于分析。

1.3.2 感兴趣区（ROI）的选择与纹理分析 采用MaZda 4.7软件（Technical University of Lodz，Institute of Electronics，http://www.eletel.p.lodz.pl/mazda/）进行图像纹理分析[11]。为减少图像对比度及亮度的影响，特征提取前对所有图像进行灰度标准化处理，控制其灰度值在（μ-3δ，μ+3δ），其中μ和δ分别表示灰度值的平均值和标准差。由同一名医师在T2 FLAIR序列左、右两侧尾状核处手动分别勾画两类ROI（图1），保存为*.ROI文件；然后在左、右两侧尾状核头处勾画同一类ROI作为该患者的尾状核头处整体ROI，保存为*.ROI文件。通过MaZda软件分别导入上述*.ROI文件，提取自回归模型纹理特征参数值，包括Teta1、Teta2、Teta3、Teta4和Sigma，见图2。

图1 使用 MaZda软件在尾状核头处选取 ROI。在左、右两侧尾状核头处勾画两类ROI（A）；左、右两侧尾状核头处勾画一类ROI作为整体（B）

图2 自回归模型特征参数。注：中心像素 S有 4个邻域像素，计算其分别对应的 4个模型向量参数值 Teta1、Teta2、Teta3、Teta4，结果用最小均方误差和表示

1.4 统计学方法 使用 SPSS 20.0软件。采用Kolmogorov-Smirnov法进行正态性检验。符合正态分布的计量资料组间比较成组资料t检验；不符合正态分布的计量资料采用Mann-WhitneyU检验。P＜0.05表示差异有统计学意义。绘制各纹理特征参数的受试者工作特征（ROC）曲线，计算曲线下面积（AUC），根据约登指数得出预测诊断PD的最佳阈值以及灵敏度和特异度，AUC比较采用Z检验。

2 结果

2.1 尾状核头自回归模型特征参数值比较 两组内左、右尾状核头处的特征参数差异均无统计学意义（P＞0.05），见表1。故可将左、右两侧尾状核头处的ROI作为整体代表该受检者尾状核头处的ROI。

表1 左、右两侧尾状核头自回归模型特征参数值比较

2.2 各组自回归模型特征参数值比较 两组间自回归模型各特征参数值比较显示，仅Teta4、Teta3 2项特征参数差异有统计学意义（P＜0.05），见表2。

表2 PD组和对照组常规MRI图像自回归模型特征参数值比较

2.3 自回归模型特征参数的诊断效能 Teta4的AUC 为 0.74（95%CI0.62～0.87，P＜0.05），根据约登指数得出采用自回归模型特征参数Teta4诊断PD的最佳阈值为 0.35，敏感度和特异度分别为 85.71%和53.75%；Teta3的AUC为0.68（95%CI0.54～0.82，P＜0.05），根据约登指数得出采用自回归模型特征参数Teta3诊断PD的最佳阈值为0.20，敏感度和特异度分别为60.71%和75.00%。Teta4与Teta3的AUC值差异无统计学意义（Z=0.65，P＞0.05），故Teta4与Teta3的诊断效能相近，见图3。

3 讨论

图3 自回归模型参数Teta4、Teta3诊断PD的ROC曲线

近年来，随着人工智能、影像组学的发展，纹理分析作为影像组学技术成为医学影像领域的研究热点。纹理分析利用数学和统计学方法分析图像中像素的灰度分布特征，从而在医学图像中提取部分人眼无法识别的纹理特征，最后将提取的纹理特征定量描述，其优点在于不受影像医师的主观因素及专业水平的影响，在中枢神经系统疾病、肿瘤鉴别诊断中具有一定的价值[12-13]。

T2 FLAIR序列作为神经内科的常用检查，临床应用相当广泛；但常规MRI检查诊断PD缺乏特异性[3]。本研究提取了常规MRI图像的自回归模型纹理特征，首先分别比较PD组与对照组内左、右两侧尾状核头的T2 FLAIR图像的自回归模型特征参数值，结果显示两组左、右两侧尾状核头处的自回归模型纹理特征参数值差异均无统计学意义。然后通过比较两组尾状核头处T2 FLAIR图像的自回归模型特征参数，显示Teta4与Teta3差异有统计学意义。自回归模型是重要的图像纹理特征，描述了相邻像素组间灰度值的关系。假定图像像素之间存在局部交互的前提下，中心像素灰度值是相邻像素灰度值的加权和[14]。特征参数Teta1、Teta2、Teta3、Teta4和Sigma反映了中心像素与周围像素灰度值的关系。Sigma是驱动噪声的标准差，代表高斯和离群过程的混合[9]。它是通过相邻像素组之间的关系描述图像纹理特征的一种方法。自回归模型建立了这些像素组间的权重集合，因此反映了图像中的纹理特征信息[4]。PD患者脑内存在广泛的病理生理学改变，主要是黑质致密部多巴胺（dopamine，DA）能神经元进行性变性缺失，进而导致黑质-纹状体 DA通路中多巴胺含量减少，最终造成黑质和纹状体（尾状核和豆状核）发生一系列神经病理学改变[1]。既往研究表明，PD患者尾状核头处存在明显的铁沉积[15-16]；并且能引起该处MR R2*值的改变[16]。Garzón 等[17]研究发现，T2 FLAIR 信号与 R2*值之间存在显著相关性。因此，推测本研究中纹理特征参数Teta4与Teta3发生改变可能与PD患者尾状核头处的铁沉积有关，其具体机制有待进一步深入研究。

本研究显示，应用自回归模型纹理特征分析方法，特征参数Teta4与Teta3差异有统计学意义。在此基础上进一步对特征参数的诊断效能进行研究，结果显示，Teta4诊断 PD的 AUC为0.74，敏感度为85.71%，特异度为53.75%；Teta3诊断PD的AUC为0.68，敏感度为60.71%，特异度为75.00%。两者AUC比较差异无统计学意义。Sikiö等[5]探讨了 PD 患者T2WI的各脑区纹理特征变化，发现PD患者与对照组尾状核头区域的灰度共生矩阵纹理特征参数存在差异，且与PD的严重程度相关；但该研究未探讨纹理分析方法对PD的诊断效能，且仅提取了灰度共生矩阵纹理特征。而本研究发现自回归模型纹理分析对PD的诊断效能较高，为纹理分析、影像组学在PD的诊断、进展评价等相关领域及未来建立关于PD的影像组学模型提供了信息；而其他关于纹理分析技术在PD中的应用鲜有报道。Prasad等[18]运用三维神经黑色素敏感的MRI方法分别测量了对照组和PD组黑质的信号强度对比率，并分析发现其诊断PD的AUC为0.73，尽管准确率与本研究相近，但该扫描序列比较耗时且技术要求高。本研究使用临床广泛应用的常规 MRI扫描图像，应用后处理方法进行图像分析，不增加扫描时间。孙亚琼[19]应用MR扩散峰度成像得出诊断PD的AUC为0.69，同样存在扫描序列复杂而难以广泛应用的问题。

本研究存在一定的局限性：①本研究为单中心回顾性研究，样本量较少，可能存在偏倚，有待前瞻性大样本研究进一步分析；②本研究仅评估了单个层面尾状核头的纹理信息，使用2D-ROI可能会丢失一部分纹理特征信息，今后可探讨3D纹理特征提取的应用价值。

总之，PD患者和对照组T2 FLAIR图像尾状核头处存在纹理差异，纹理特征分析可以量化图像中肉眼无法识别的潜在信息，能够为PD的诊断提供可靠的客观依据。