MRI自動圖像分割技術(shù)對多發(fā)硬化(MS)病灶容積測量的初步研究

遼寧沈陽軍區(qū)總醫(yī)院放射科(遼寧 沈陽 110015)

段 陽 楊本強 劉文源徐 猛 李延鋒 劉 宇

MRI自動圖像分割技術(shù)對多發(fā)硬化(MS)病灶容積測量的初步研究

遼寧沈陽軍區(qū)總醫(yī)院放射科(遼寧 沈陽 110015)

段 陽 楊本強 劉文源徐 猛 李延鋒 劉 宇

目的 采用不同序列間組合提高自動圖像分割技術(shù)對MS病變?nèi)莘e測量。材料和方法 以手動分割的病灶容積為金標(biāo)準(zhǔn)，比較不同序列(M,MPRAGE；F,FLAIR；D,DIR；T2，T2WI) 間所組合的不同通道（二、三和四通道）的自動分割技術(shù)測量MS病灶容積特點。結(jié)果 二通道（M+T2M+DM+F）的敏感性、特異性和精確性分別為:41.8%33.3%63.4%、8 2.2%9 3.9%9 3.6%和82.1%99.0%98.9%;三通道(M+T2+D/ M+D+F/M+F+T2)的敏感性、特異性和精確性分別為:40.4%64.8%62.5%、8 7.1%/9 9.1%/9 8.6%和86.9%/98.9%/98.5%；四通道(M+T2+D/ M+D+F/M+F+T2)的敏感性、特異性和精確性分別為:74.4%、97.0%和96.9%。結(jié)論采用四通道圖像自動分割技術(shù)對MS病灶容積測量較佳。

磁共振成像；圖像分割；多發(fā)硬化

多發(fā)硬化疾病(Multiple Sclerosis，MS)是中樞神經(jīng)系統(tǒng)的脫髓鞘疾病。多見于北美及歐洲，估計全世界至少有300～400萬患者，占神經(jīng)系統(tǒng)疾病發(fā)病率的6%～10%。近年來日本和我國的報道日趨增多。磁共振成像是多發(fā)硬化疾病臨床診斷和治療唯一的、有效的影像學(xué)評價方法。MS明確診斷后，如何進行病例臨床隨訪和療效評價是一個關(guān)鍵的問題。全自動的或半自動圖像的分割方法和定量MRI分析方法已應(yīng)用到臨床隨訪和療效評價[1-3]。傳統(tǒng)的MRI全自動的或半自動圖像分割具有很好的重復(fù)性和一定的精確性，但因傳統(tǒng)MRI成像圖像分辯率較低,仍存在一定的問題[1]。最近高分辯率MR容積掃描不僅提高圖像分辨率，顯示更多的病變，還減少了偽影[4,5]。這為全自動的或半自動圖像分割提供一個更好的圖像基礎(chǔ)。目前高分辯MRI圖像分割研究剛剛開始，采用不同的通道可以提高病變的測量，但如何進行圖像組合是一個更關(guān)鍵的問題。本研究采用20例MS病人的多序列(MPRAGE、FLAIR、DIR和T2WI)MRI進行二、三和四通道(MPRAGE+FLAIR、MPRAGE+T2WI、MPRAGE+DIRR、MPRAGE+FLAIR＋T2WI、MPRAGE+FLAIR＋DIR和MPRAGE+FLAIR＋T2WI＋DIR)組合,評價MS的病變?nèi)莘e的敏感性、精確性和特異性，尋找最佳的圖像分割方法。

1 材料和方法

1.1 1.1 患者的選擇和MRI采集20例反復(fù)復(fù)發(fā)型MS病人，年齡在30～55歲，女性，平均年齡37.5。使用Simens和GE公司的1.5T超導(dǎo)MRI掃描儀，多序列的MPRAGE、FLAIR、DIR和T2WI采集，采用頭表面線圈，掃描層厚1.3mm，層間距0mm，矩陣256×256，F(xiàn)OV30cm×30cm，矢狀切面掃描，3D MPRAGE(TR/TE/TI,2700/5/950ms)，F(xiàn)LAIR(TR/TE/ TI,6500/349/2200ms)，DIR(TR/TE/TI1/TI2,6500/355/2350/350ms)和T2WI(TR/TE,4300/349ms)(圖1-4)。

表1 多通道的MRI的圖像分割的特異性、精確性和敏感性比較

1.2 MRI分析與處理所有其它序列的圖像以MPRAGE為基準(zhǔn)進行匹配(co-registration)和密度標(biāo)準(zhǔn)化。兩個經(jīng)驗豐富的放射科醫(yī)生確定MS的灰白質(zhì)病灶。其中一位在FLAIR圖像的連續(xù)層面手動圈定病灶的ROI(ROI，region of interesting)，小于4像素的病灶由于較難以確定而放棄。在GE(General Electronic Healthcare)圖像分析工作站,使用圖像分析軟件的模糊聚類技術(shù)對多發(fā)硬化病人的矢狀位MR圖像進行多通道的(二，三和四通道)腦組織進行分割。由于圖像中的非腦組織如顱骨、眼球和肌肉等和背景噪聲信號強度與腦組織有一定重疊，而產(chǎn)生誤分現(xiàn)象。因此在分割前利用全腦容積(ICC,intracranial cavity)圖像預(yù)處理,剔除非腦組織而保留大腦組織，用FKM(Fuzzy K-means Clustering Algorithm)對其實施分割[1,2]。在每個MR序列圖像和其背景中，利用鼠標(biāo)選取相同位置的大腦組織和圖像背景(噪聲)作為感性趣區(qū)；然后從MR圖像中分離出不同腦組織和背景(噪聲)的ROI。在每個序列MRI上，用非線性各向異性散布濾波器(nonlinear anisotropic diffusion filter)對這些ROI進行濾波處理，消除燥聲和平滑圖像，增強和探測圖像中的目標(biāo)邊界。然后對以上得到的圖像像素值進行二值化處理建立一個模板(mask)，利用該模板從原始圖像中提取不同結(jié)構(gòu)的大腦結(jié)構(gòu)。自動融合各個序列的結(jié)構(gòu)圖，得到一個根據(jù)像素值而建立綜合腦分割圖像彩色圖[2,6](圖5-11)。MS病灶分為腦皮層病灶和腦白質(zhì)病灶兩類(圖12)，然后根據(jù)它們的像素大小計算腦灰質(zhì)、白質(zhì)、病灶和腦脊夜的容積。

1.3 統(tǒng)計與分析方法

以手動分割的病灶容積為金標(biāo)準(zhǔn)(圖12)。真陽性、真陰性、假陽性和假陰性分別被定義為手動分割病灶與自動分割吻合、手動分割非病灶與自動分割的非病灶吻合、自動分割病灶但手動分割為非病灶和自動分割非病灶但手動為病灶。比較自動分割的圖像與手動分割的病灶容積。計算自動分割方法測量病灶容積的敏感性、精確性和特異性。敏感性或真陽性率描述病灶的容積的百分?jǐn)?shù)被正確地判斷為陽性結(jié)果(敏感性＝真陽性/(真陽性+假陰性)×100%)。特異性或真陰性率描述在沒有病灶的容積中被判斷為陰性結(jié)果的機率(特異性＝真陰性/(真陰性+假陽性)×100%)。精確性或真實性是指真正的病灶容積和真正的其它組織(不是病灶)在總的腦容積的百分?jǐn)?shù)(真陽性+真陰性)/ (真陽性+假陽性+真陰性+假陰性)×100%)。

2 結(jié) 果

2.1 二通道的圖像分割在二通道分割對比中，M+D(33.3%)探測病灶的敏感性低于M+F(63.4%)和M+T2(41.8%)；但其特異性(93.9%)和精確性(93.6%)低于M+F的(99.0%，98.9%)，高于M+T2的(82.2%，82.1%)。M+D對灰質(zhì)病灶的敏感性(34.5%)明顯高于白質(zhì)的病灶(19.9%)。M+T2對腦白質(zhì)病灶(25.0%)和灰質(zhì)病灶(43.2%)的敏感性明顯高于M+D的(19.9%，34.5%)。

2.2 三通道的圖像分割

M+F+D探測病灶的敏感性、特異性和精確性(64.8%、99.1%和98.9%)高于M+F+T2(62.5%，98.6%，98.5%)和M+T2+D的(40.4%，87.1%和86.9%)。M+F+D探測灰質(zhì)(66.1%)和白質(zhì)(50.4%)病灶的敏感性 比 M+F+T2(42.2%，20.7%)和M+T2+D(63.7%，48.4%)的均高。M+F+T2探測病灶(灰白質(zhì))的敏感性、特異性和精確性均高M+T2+D的。

圖1、2、3和4分別代表DIR、FLAIR、MPRAGE和T2W圖像。DIR、FLAIR和T2WI為以MPRAGE為基準(zhǔn)的排列圖像。圖5、6、7、8、9、10和11分別為不同的通道組合的分割彩色圖。藍(lán)色、白色、灰色和橘黃色分別代表為腦脊液、白質(zhì)、灰質(zhì)和病灶。圖12為手動測量的病灶的感興趣區(qū)（紅色），箭頭為腦皮層病灶。所有的圖像由于進行了排列， 所以解剖結(jié)構(gòu)和病變的三維空間一致，并可對比。

2.3 四通道的圖像分割與其它比較 M+F+T2+D探測病灶的敏感性、特異性和精確性明顯(74.4%，97.0%，96.9%)高于其它二、三通道的圖像分割的結(jié)果。在灰白質(zhì)(灰質(zhì)74.9%，白質(zhì)68.4%)病灶探測 M+F+T2+D也明顯高于其它的分割方法。

3 討 論

醫(yī)學(xué)圖像分割是一個根據(jù)區(qū)域內(nèi)的相似性和區(qū)域間的不同,把圖像分割成若干區(qū)域的過程。圖像分割目的是根據(jù)像素的類別把圖像中的象素劃分成一定的類別，這些類別具有某些特征(如灰度、紋理)相似性。MR顱腦圖像的分割目的是清晰地描繪出顱腦中各個解剖結(jié)構(gòu)的邊界，如灰質(zhì)、白質(zhì)和腦脊液等。自動圖像分割方法在多發(fā)硬化的療效評價已發(fā)揮重要的作用。比較其它方法，這種方法既省時、重復(fù)性相對較好[2,7,8]。已以廣泛應(yīng)用到科研和MS臨床藥物三期的療效評價[1,3,9]。但是，由于傳統(tǒng)的MR顯示的多發(fā)硬化的病灶較高分辨率MR圖像較低，因而在高分辯率MRI應(yīng)用以后，顯示有一定的不足。高分辨率的MR圖像提高探測病灶精確性、敏感性和特異性，尤其是DIR和FLAIR可提高探測灰質(zhì)和隱蔽部位的病灶。DIR可提高皮層病灶的探測的敏感性，因為它既抑制腦機脊夜和腦白質(zhì)的信號。Flair抑制腦脊液的信號同時提高探測MS病灶的敏感性。3D T2WI圖像比傳統(tǒng)T2WI更具有高的分辨率，發(fā)現(xiàn)更多較小的病灶。MPRAGE可提供更好的灰白質(zhì)的分辨率。使用這些最新的高分辨率圖像進行分割必然提高病灶探測的精確性、敏感性和特異性。在使用高分辨率MR圖像時，由于不同的MR序列有不同特點和不同組織敏感性，所以使用不同高分辨率MR圖像會得到不同腦組織分割敏感性、精確性和特異性。如果充分融合這種圖像分割技術(shù)將會及大提高腦組織和病變的分割結(jié)果。本研究將不同的MR序列圖像進行技術(shù)融合進一步提高圖像的分割的精確性、敏感性和特異性。

3.1 二通道的圖像分割

我們以MPRAGE為基礎(chǔ)的精細(xì)解剖結(jié)構(gòu)為基礎(chǔ)，分別與DIR、FLAIR和T2WI進行二通道的組合的圖像分割，比較它們的之間差別。從結(jié)果看，M+F的敏感性、特異性和精確性明顯好于M+T2和M+D的，而M+T2的結(jié)果好于M+D的。主要是由于MPRAGE結(jié)合Flair比與DIR和T2WI結(jié)合提供更明顯的病灶信息。雖然DIR敏感于皮層病灶，但因有一些噪聲會產(chǎn)生一定誤差，單純與MPRAE融合分割并不能提高分割的精確性、敏感性和特異性。MPRAGE與T2WI的結(jié)合比MPRAGE＋DIR的結(jié)果好，因為T2WI較DIR有更少的噪聲，同時又提供更多的病變信息。

3.2 三通道的圖像分割

在三通道的分割中，在M+F基礎(chǔ)上，分別結(jié)合DIR和T2WI結(jié)果明顯好于M+T+D的結(jié)果，這說明三通道的標(biāo)準(zhǔn)中，M+F+D/M+F+T2結(jié)合與二通道的結(jié)果大致相同。然而M+F+T2并沒有比M+F+D好，這因為即使DIR有一定的噪聲,但Flair和DIR結(jié)合可以提高比FLAIR+T2WI更強的病變信息。這說明DIR和FLAIR結(jié)合可以提供病變的信息，將優(yōu)于T2WI和DIR的結(jié)合。當(dāng)然這也與FLAIR在探測病灶明顯好于T2WI有關(guān)。在M+F+D和M+F+T2兩者的結(jié)果明顯接近，但在灰質(zhì)病灶明顯好于M+F+T2的結(jié)果，說明DIR在明顯提高皮層的病灶的探測。T2WI與DIR結(jié)合并不能提高病灶的探測，而FLAIR與DIR結(jié)合提高了病灶的探測。這是因為DIR的噪聲，再加上T2WI腦脊液的掩蓋。這些均不利于發(fā)現(xiàn)皮層的病灶和隱蔽的病灶，自然不會增加病灶的探測。

3.3 四通道的圖像分割

在四通道圖像分割中，由于結(jié)合四個MRI序列的信息明顯提高了病灶的探測。這說明多通道的圖像分割具有很高的敏感性和特異性精確性。雖然其敏感性還沒有比達到非常高的水平(74.4%)，但特異性和精確性非常高(97.0%和96.9%)MPRAGE提供了很好的灰白質(zhì)的對比度和解剖結(jié)構(gòu)，DIR提供了皮層病灶的信息，但也提供了噪聲。而再結(jié)合FLAIR可以糾正這種噪聲，彌補病變的分割信息。T2WI不僅提供白質(zhì)的病灶信息，更重要的是提供腦脊液的信息，減少了病灶被分割成腦脊液或腦脊液被分割成病灶。

多通道的圖像分割提供豐富的信息，易于對病灶的探測。進一步的研究將增加病例數(shù)目，并測量這種方法的重復(fù)性。

1. Wei X,Warfield SK, Zou KH,et al.Quantitative analysis of MRI signal abnormalities of brain white matter with high reproducibility and accuracy.J Magn Reson Imaging 2002;15:203-209.

2. Guttmann CR, Kikinis R, Anderson MC, et al.Quantitative follow-up of patients with multiple sclerosis using MRI: reproducibility. J Magn Reson Imaging 1999;9:509-518.

3. Lewanska M, Siger-Zajdel M, Selmaj K.No difference in efficacy of two different doses of intravenous immunoglobulins in MS: clinical and MRI assessment. Eur J Neurol Federation of Neurological Societies 2002;9(6):565-572.

4. Pouwels PJ, Kuijer JP, Mugler JP, 3rd, Guttmann CR, Barkhof F. human gray matter: feasibility of single-slab 3D double inversion-recovery highspatial-resolution MR imaging. Radiology 2006;41:73-79.

5. Bink A, Schmitt M, Gaa J, Mugler JP, 3rd, Lanfermann H, Zanella FE. Detection of lesions in multiple sclerosis by 2D FLAIR and single-slab 3D FLAIR sequences at 3.0 T: initial results. Eur Radiol 2006;16:1104-1110.

6. Warfield S, Dengler J, Zaers J, et al. Automatic identification of gray matter structures from MRI to improve the segmentation of white matter lesions. J Image Guid Surg 1995;1:326-338. 7. Wu Y, Warfield SK, Tan IL, et al. Automated segmentation of multiple sclerosis lesion subtypes with multichannel MRI. Neuroimage 2006;32:1205-1215.

8. Tedeschi G, Dinacci D, Lavorgna L, et al. Correlation between fatigue and brain atrophy and lesion load in multiple sclerosis patients independent of disability. J Neurol Sci 2007;263:15-19.

9. Liu L, Meier D,Polgar-Turcsanyi M, Karkocha P, Bakshi R, Guttmann CR. Multiple sclerosis medical image analysis and information management. J Neuroimaging 2005;15（4 suppl）:103S-117S.

(本文編輯: 汪兵)

A Preliminary Study of MS Lesion Volume Measurement by Using MRI Automated Segmentation Technique

DUAN Yang,YANG Ben-qiang,LIU Wen-yuan,et al.,
Department of Radiology, General military Hospital; Shenyang, 110013, China

act] Objectivective To improve automated technique in MS lesion volume measurement. Materialsrials andand Methodsthods To compare lesion volume of multiple channels automated segmentation with that of manual segmentation in different sequences of 3D high resolution MRI: (MPRAGE, T2WI, FLAIR and DIR). Resultssults the sensitivity of M+T2/M+T2+D, M+D/M+D+F, M+F/M+F+T2 and M+F+T2+D were 41.8/40.4%, 33.3/64.8%, 63.4/62.5%, 74.4%; the specificity were 82.2/87.1%, 93.9/99.1%, 99.0/98.6%, 97.0% and the accuracy were 82.1/86.9%, /93.6/98.9%, 98.9/98.5%, 96.9%. Conclusionusion In automated segmentation, the four channels automated segmentation is the best measurement way in MS lesion volume.

rds] Magnetic Renounce Imaging; Imaging Segmentation; Multiple Sclerosis

R455.2

A

10.3969/j.issn.1672-5131.2014.03.04

2014-04-20

楊本強