影像组学对房颤患者左心房与左心耳连接处心肌的特征分析

田欣 朱芳华 宋鹏 张亚楠 武柏林 胡婧 耿左军 李彩英 刘怀军

影像组学是2012年由Lambin等[1]提出的，指的是从影像(CT, MRI, PET等)数据内高通量地提取大量影像信息，实现肿瘤分割、特征提取与模型建立，凭借对海量影像数据信息进行更深层次的挖掘、预测和分析来辅助医师做出最准确的诊断[2]。影像组学的处理流程包括：影像数据的获取，感兴趣区的标定和分割，影像特征提取和量化，影像数据库建立，分类和预测[3]。感兴趣区选择取决于研究对象，如果研究对象是肿瘤，感兴趣区可以包括肿瘤实体及肿瘤周边[4]。影像特征提取一般先采用广义特征选择，得到数千个特征，然后将特征降维，得到某几个特征。降维方法中，最常用的是Lasso法[5]，它能够从成百上千个影像特征中筛选出几个重要的特征[6]。在肿瘤性疾病方面，影像组学能够通过提取肿瘤的特征，预测其基因分型，提供靶向治疗的依据[7]。但是，影像组学方法还没有应用于评价心肌特征。因此，本研究探索运用影像组学Lasso降维方法提取房颤患者心肌组织的影像组学特征的可行性，为下一步运用影像组学评价房颤患者心肌并进行预后预测奠定基础。

1 资料与方法

1.1 一般资料 回顾性收集2019年1～8月我院接受心脏CTA检查的房颤患者84例，并收集同时期因冠状动脉粥样硬化接受心脏CTA检查的患者84例。本研究纳入84例房颤患者，平均年龄(60.36±10.11)岁，男 50例(60%)，女34例(40%)。纳入冠状动脉粥样硬化患者84例，平均年龄(58.36±13.11)岁，男54例(65%)，女30例(35%)。对房颤组及动脉粥样硬化组患者的临床资料进行比较，二者年龄、性别、BMI无明显统计学差异。见表1。

表1 房颤组与动脉粥样硬化组患者临床信息 n=84

1.2 入选与排除标准

1.2.1 房颤患者入选标准：①房颤患者均为临床证实，经体格检查及心电图确诊为房颤的患者；②均行256层螺旋CT心脏CTA检查；③无冠状动脉粥样硬化。

1.2.2 房颤患者排除标准：①CTA影像质量差，无法测量左心房和左心耳体积；②CTA检查禁忌者、造影剂过敏者、起搏器置入及其他心脏内置入物者；③合并瓣膜性心脏病及先天性心脏病患者。

1.2.3 冠状动脉粥样硬化患者入选标准：冠心病诊断符合国际心脏病学会和世界卫生组织缺血性心脏病的诊断命名标准。

1.2.4 冠状动脉粥样硬化患者排除标准：冠心病伴有房颤，或伴心肌炎、心肌病、心内膜炎、风湿性心脏病、结缔组织病、肿瘤以及肝硬化等。

1.3 图像采集 应用philips 256层螺旋CT对所有受试者按照冠状动脉CTA扫描方案进行检查。扫描前对患者进行呼吸训练，对心率过快、心律不稳的房颤患者应用美托洛尔调节心率。将非离子型对比剂碘海醇(350 mgI/ml，0.8 ml/kg)使用双筒高压注射器从静脉注入，自气管分叉下方0.5 cm扫描至心脏膈面。采用回顾性心电门控技术，扫描参数为管电压80～120 kV，管电流280～350 mAs/r，准直128×0.625，螺距0.18，矩阵512×512，旋转时间330 ms，扫描视野250 mm，根据患者 BMI调整扫描电压及电流减少扫描剂量。采用75%扫描时相进行感兴趣区勾画及影像组学分析。

1.4 感兴趣区勾画 在影像组学软件(购自汇医慧影公司)上进行感兴趣区勾画。由一名有经验的放射科医师在显示左心房与左心耳连接处心肌最佳的三个层面上勾画感兴趣区，另一名有经验的放射科医师对所画的感兴趣区进行修正。选择左心房与左心耳的交界点为中心，分别沿左心房方向及左心耳方向两侧延长1～2 cm，勾画此范围内的心肌。见图1。

图1 ROI勾画图。在CTA图像上，勾画出左心房与左心耳连接处的心肌

1.5 影像组学降维分析 使用影像组学分析软件中的Lasso(least absolute shrinkage and selection operator)方法，做降维分析，得出感兴趣区的影像特征。Lasso法，即套索法，是目前医学机器学习中应用广泛的特征筛选统计学方法，属于回归分析的一种。也就是说，计算机将医学图像处理为数字矩阵，各图像的数字矩阵会具有上千个数字排列特征，这些特征用Lasso方法进行统计学回归分析，得到的结果即为对诊断、预后等结果有重要影响的影像组学特征。这些特征通常包括强度、形状、纹理等，用灰度的强度及变异度、形状的平直性和椭圆球体最小轴长度等表示。

2 结果

2.1 房颤患者与动脉粥样硬化患者具有相关性的影像组学特征 共提取到8个房颤患者与动脉粥样硬化患者心肌具有相关性的特征，由于original-shape描述的特征主要是勾画形状的三维特征，不具有临床意义，予以排除。见表2。

表2 影像组学Lasso法提取到的特征及其类别和滤波器

2.2 房颤患者与动脉粥样硬化患者不具有相关性的影像组学特征 Lasso方法还显示了以上特征是正相关或负相关，但是在本研究中，暂未涉及相关性数值的具体讨论。见表3。

表3 影像组学Lasso法提取到的不具有相关性的特征及类别和滤波器

2.3 影像组学特征概况 本研究中影像组学降维分析后，筛选到的影像特征可以归纳为：一阶特征(firstorder)和纹理特征(texture features)。一阶特征包括灰度的分布，最大值，形状等，描述了各个体素值的分布，但不涉及体素的空间排列。纹理特征反映体素的空间排列特点，包括：(1)GLRLM(gray level run length matrix)，灰度级长矩阵，即灰度级在指定的方向上连续出现的次数。(2)GLSZM(gray level size zone matrix)灰度区域大小矩阵，表示ROI的纹理特征，是医学影像的重要参数之一，图像纹理越均匀，矩阵宽度越大。(3)GLDM(gray level dependence matrix)，灰度级相关矩阵。见图2。

图2 降维分析Lasso法显示的左心房与左心耳连接处心肌的影像特征；蓝色柱形的长度表示相关性的大小，柱形越长，相关性越大；蓝色柱形位于0的左边为负相关，位于0的右边为正相关

3 讨论

目前在肿瘤诊治领域，影像组学已经发挥了重要作用，包括评价肿瘤的组织形态[8]、淋巴结转移[9]、预后分析[10]等。本文研究了Lasso降维方法对心肌的影像组学特征进行筛选的可行性，为后续进一步将影像组学方法应用于房颤患者的心肌评价奠定了基础。

房颤是临床上最常见的持续性快速心律失常，患病率约为0.65%[11]，最严重的并发症之一为血栓导致的脑卒中事件[12-14]，其栓子主要来源于左心耳[15-17]。房颤与心肌纤维化互成因果关系，左心耳扩大引起心脏几何形状变化，心脏表面积扩大，心电活动的折返环路增多，再加上存在不同程度的心肌纤维化，使得心肌电活动的非均质性程度加重和各向异性增加，促使心房颤动的发生和持续[18]。左心耳与左心房心肌纤维化使得房颤患者左心耳与左心房的收缩功能受损，血液流动状态发生改变[19]，是导致血栓形成的重要原因。研究发现，房颤患者左心耳心肌存在普遍纤维化，心肌纤维变性，心肌细胞肌节延长使细胞间基质增加，胶原蛋白产生，进一步使左心耳与左心房排空分数减小，导致血栓形成[20]。已有研究表明，左心耳及左心房的形态、解剖结构及功能对血栓事件的发生有预测价值[21]，并有望成为房颤患者预防脑卒中发生的重要的、可调控的风险因素。

但左心房与左心耳心肌结构重构对于血栓形成的影响尚不明确，若能实时、无创评价左心房与左心耳心肌的病变程度，将有可能为房颤患者血栓形成机制提供重要信息，并可能进一步预测房颤患者的预后和转归。

由于左心耳与左心房大部分心肌壁都非常薄，在CTA图像上不易测量，但左心房与左心耳连接处的心肌较其余部分厚，能够满足勾画感兴趣区的需要，且此部位的心肌同时参与心房与心耳的收缩，能够反映与左心房与左心耳的排空功能相关的心肌重构。因此，本研究选择左心房与左心耳连接处的心肌作为影像组学的观察对象，具有临床意义。

因为与房颤患者年龄相匹配的人群正常心脏少见，且动脉粥样硬化并不导致左心耳与左心房的心肌纤维化改变，因此，本研究同时选择了无心肌梗死的冠状动脉粥样硬化患者进行影像组学特征提取，能够检测Lasso方法的可行性。

本研究发现，动脉粥样硬化患者与房颤患者左心房与左心耳连接处的心肌灰度最大值及变异度，灰度区域大小矩阵变异度，灰度级长均匀性归一化，灰度相关矩阵均匀性归一化具有相关性，这表明，Lasso降维方法能够探查到心肌的CT值分布特征。纤维化心肌的CT值较正常心肌强化时间推迟，表现为CTA延迟强化[22]，CT值异常，提供了Lasso法提取到的影像特征的理论依据。因此Lasso方法未来有可能应用于房颤患者的心肌特征筛选及预后预测。

总之，影像组学Lasso降维分析结果筛选出了房颤患者及动脉粥样硬化患者的左心房与左心耳连接处心肌的影像组学特征，CTA结合影像组学的方法能够获得肉眼无法分辨的心肌结构变化，这为下一步运用

影像组学评价房颤患者心肌并进行预后预测奠定基础。