骨小梁紋理參數(shù)對膝骨關(guān)節(jié)炎進展的預(yù)測效能

孫英偉，劉學勇，鄧純博，張展，馬馴

（1.遼寧中醫(yī)藥大學附屬醫(yī)院醫(yī)學影像中心，沈陽 110032；2.中國醫(yī)科大學附屬盛京醫(yī)院放射科，沈陽 110004；3.中國醫(yī)科大學附屬盛京醫(yī)院康復(fù)科，沈陽 110134；4.沈陽醫(yī)學院附屬中心醫(yī)院運動創(chuàng)傷科，沈陽 110024；5.中國醫(yī)科大學附屬盛京醫(yī)院脊柱外科，沈陽 110004）

骨關(guān)節(jié)炎（osteoarthritis，OA）是最常見的慢性 骨骼肌肉系統(tǒng)疾病之一，隨著人口老齡化的加速，OA發(fā)病率逐年增高，給社會和個人帶來了巨大的負擔［1］。OA的發(fā)病機制尚不清楚，其病理改變不可逆轉(zhuǎn)。重要的是，目前尚無可以治愈該病或預(yù)防該病進展的方法。目前的藥物僅對緩解疼痛等癥狀有效，但藥物可能引起嚴重的不良事件甚至死亡［2］。X線是診斷膝OA的主要影像學方法。OA的放射學分級包括國際骨關(guān)節(jié)炎研究學會（Osteoarthritis Research Society International，OARSI）分級和Kellgren-Lawrence（KL）分級。X線缺乏敏感性，不能反映局部軟骨損傷情況。KL分級和OARSI分級受主觀因素影響，對OA早期分級的準確率不高。多項研究表明，KL分級組內(nèi)系數(shù)在0.5～0.7。并且傳統(tǒng)放射學檢查難以早期診斷OA，OA的診斷主要發(fā)生在該病的中至重度（晚期）階段［3］。

隨著對OA發(fā)病機制的深入研究，軟骨下骨的重塑與OA進展之間的密切關(guān)系被證實［4］。紋理分析是指將圖像劃分為感興趣的區(qū)域，并對這些區(qū)域的特征進行分類，紋理分析具有識別疾病早期細微變化的潛能。應(yīng)用紋理分析方法分析影像圖像來診斷疾病，已成為人工智能領(lǐng)域研究的熱點。軟骨下骨紋理分析能夠評估膝關(guān)節(jié)軟骨下骨小梁和股骨頸的結(jié)構(gòu)［5］。HIRVASNIEMI等［6］對不同分級的膝OA患者的骨小梁紋理進行定量分析，發(fā)現(xiàn)不同程度膝OA的骨小梁紋理不同。膝關(guān)節(jié)放射學紋理分析有望成為一種早期預(yù)測、診斷OA的方法。本研究通過自行研發(fā)的紋理分析軟件，采用局部二值模式（local binary pattern，LBP）與灰度共生矩陣（gray level co-occurrence matrix，GLCM）相結(jié)合的紋理特征分析方法，提取、篩選基線軟骨下骨小梁的紋理參數(shù)，評估紋理參數(shù)預(yù)測OA進展的能力，以期發(fā)現(xiàn)一種能夠早期預(yù)測膝OA進展的放射學紋理參數(shù)。

1 材料與方法

1.1 研究對象和分組

研究對象的相關(guān)臨床信息和影像學資料來自O(shè)A公共數(shù)據(jù) 庫Osteoarthritis Initiative（OAI，https：//nda.nih.gov/oai/）。研究對象的個人信息分別來自登記臨床數(shù)據(jù)集Enrollees_SAS.zip 25，基線期臨床數(shù)據(jù)集AllClinical00_ 0.2.3，隨訪36個月后的數(shù)據(jù)集AllClinical_05_SAS.zip5.2.1。研究對象的X線資料和KL分級分別來自數(shù)據(jù)集kXR_SQ_BU00_SAS.zip 0.8和kXR_SQ_BU05_SAS.zip 5.7。

將研究對象分為放射學進展組和對照組。放射學進展組納入標準：基線雙側(cè)膝關(guān)節(jié)KL分級均為0級，隨訪36個月后右膝關(guān)節(jié)KL≥2級。放射學進展組排除標準：（1）圖像質(zhì)量不佳，影響圖像分析結(jié)果；（2）隨訪結(jié)束后KL分級＜2級。對照組納入標準：雙側(cè)膝關(guān)節(jié)KL分級均為0級，隨訪結(jié)束后右膝關(guān)節(jié)KL分級仍為0級。對照組排除標準：（1）圖片質(zhì)量不佳，影響圖像分析結(jié)果；（2）隨訪36個月后，膝關(guān)節(jié)KL分級≥1級。

收集研究對象的相關(guān)臨床信息，包括年齡、性別、老年人體力活動量表（the physical activity scale for the elderly，PASE）總評分以及體質(zhì)量指數(shù)（body mass index，BMI）。OAI數(shù)據(jù)庫中的所有研究均獲倫理委員會批準（批號：10-00532），本研究所有研究對象均簽署知情同意書［7］。

1.2 X線檢查方法和圖像紋理提取

研究對象在基線和隨訪期內(nèi)每年拍攝雙側(cè)膝關(guān)節(jié)站立后前位X線，管電壓65～72 kV，焦片距72 cm。數(shù)據(jù)庫中提供的KL分級為一名骨科、一名放射科醫(yī)師和兩名風濕病學家對膝關(guān)節(jié)進行的分級，出現(xiàn)分歧時協(xié)商解決，最后達成一致意見［8］。本研究選取研究對象膝關(guān)節(jié)X線片內(nèi)側(cè)脛骨平臺中1/3軟骨下骨小梁作為感興趣區(qū)（region of interest，ROI），應(yīng)用C++軟件編制的程序，分別計算不同構(gòu)造因子組合（圖像灰度統(tǒng)一設(shè)置為256，移動步長取1、2、3、4、5，移動方向取0°、45°、90°、135°）時，膝關(guān)節(jié)X線ROI的6個紋理特征參數(shù)，包括能量（energy）、熵（entropy）、同質(zhì)性（homogeneity）、對比度（contrast）、相關(guān)性（correlation）、異質(zhì)性（dissimilarity），見圖1。本研究中紋理參數(shù)的表示方法為角度-步長-紋理特征參數(shù)，如當移動方向為0°、步長為1時骨小梁的對比度表示為0° 1 contrast。

圖1 骨紋理特征參數(shù)提取過程圖Fig.1 Diagram of the extraction process of the trabecular bone texture parameters

1.3 統(tǒng)計學分析

應(yīng)用SPSS 22.0軟件和Empower Stats軟件進行統(tǒng)計分析。因不同紋理參數(shù)取值范圍不同，為了使紋理參數(shù)1個單位的變化在各紋理參數(shù)中具有可比性，將所有紋理參數(shù)轉(zhuǎn)化為Z值。符合正態(tài)分布的計量資料采用獨立樣本t檢驗進行比較，非正態(tài)分布的計量資料采用Mann-WhitneyU檢驗進行比較，分類變量采用χ2檢驗進行比較。應(yīng)用logistic回歸分析基線期骨紋理參數(shù)與OA進展的關(guān)系。應(yīng)用受試者操作特征（receiver operating characteristic，ROC）曲線的曲線下面積（area under the curve，AUC）評價各紋理參數(shù)的診斷效能。同時計算參數(shù)的診斷比值比（diagnostic odd ratio，DOR），DOR是病例組陽性比值與對照組陽性比值的比，是評價診斷效能的綜合指標。P＜ 0.05為差異有統(tǒng)計學意義。

2 結(jié)果

2.1 研究對象的臨床特征分析

按照納入標準對OAI數(shù)據(jù)庫進行篩選，34例研究對象納入放射學進展組，30例研究對象納入對照組。2組比較，年齡、BMI、PASE評分、性別均無統(tǒng)計學差異（P＞ 0.05），見表1。

表1 研究對象的臨床特征分析Tab.1 Analysis of the clinical characteristics of the subjects

2.2 膝關(guān)節(jié)X線紋理特征

2組比較，部分不同角度和步長的紋理參數(shù)有統(tǒng)計學差異（P＜ 0.05）。二元回歸分析結(jié)果顯示，部分紋理參數(shù)與OA進展有相關(guān)性。見表2。

表2 2組紋理參數(shù)的比較以及紋理參數(shù)與OA進展的多因素回歸分析Tab.2 Comparison of texture parameters between the two groups and the results of multivariate regression analysis of the texture parameters during osteoarthritis progression

2.3 ROC曲線分析

將篩選的紋理參數(shù)聯(lián)合臨床協(xié)變量（年齡、性別、BMI、PASE評分）進行ROC曲線分析，結(jié)果顯示聯(lián)合協(xié)變量的各紋理參數(shù)的AUC為0.69～0.79，診斷比值比為5.75～15.60。當角度為45°、步長為1時異質(zhì)性的AUC值最大，為0.79。見表3、圖2。

表3 各紋理參數(shù)聯(lián)合臨床特征的ROC曲線結(jié)果Tab.3 The area under the receiver operating characteristic curve of texture parameters combined with clinical features

圖2 45° 1異質(zhì)性對OA的預(yù)測價值Fig.2 The predictive value of heterogeneity with an angle of 45°and a step size of 1 on osteoarthritis

3 討論

本研究先將ROI原始圖像轉(zhuǎn)化成LBP圖像，此時每個像素點的值不再是灰度值，而是圖像局部微觀模式的LBP值，再應(yīng)用GLCM對LBP圖像進行分析，計算具有某種位置關(guān)系的局部微觀模式出現(xiàn)的頻率。使用LBP創(chuàng)建的共生矩陣，運算速度得到了較大提升，不僅在一定程度上反映了更細節(jié)的紋理特征，而且強化了原始圖像的紋理特征。結(jié)果表明，將LBP和GLCM兩種算法結(jié)合后進行放射學紋理分析，對膝OA發(fā)生具有較高的預(yù)測能力。

越來越多的研究［9］發(fā)現(xiàn)，軟骨下骨小梁的結(jié)構(gòu)變化在OA的發(fā)生、發(fā)展的進程中發(fā)揮重要作用，可能是OA的始發(fā)因素。在膝關(guān)節(jié)X線圖像中，軟骨下骨小梁的紋理變化與OA嚴重程度密切相關(guān)［10-11］。HIRVASNIEMI等［12］發(fā)現(xiàn)，在有無關(guān)節(jié)軟骨損傷或骨髓損傷的不同受試者之間，膝關(guān)節(jié)脛骨內(nèi)側(cè)軟骨下骨小梁紋理存在明顯差異。同時，早期的研究［13］證實，軟骨下骨小梁的粗糙度、各向異性的方向和角度的變化能夠預(yù)測膝關(guān)節(jié)間隙的變化。本研究通過計算膝關(guān)節(jié)X線軟骨下骨小梁紋理參數(shù)，并應(yīng)用AUC評價預(yù)測隨訪3年發(fā)生OA的效能，應(yīng)用DOR比較不同參數(shù)下的診斷價值。本研究結(jié)果顯示，預(yù)測OA發(fā)生的最大AUC為0.79，DOR為13.89，與上述研究結(jié)果相近。

早期的分形分析研究［14］發(fā)現(xiàn)，OA早期縱向骨小梁發(fā)生改變，應(yīng)以水平方向觀察骨小梁紋理結(jié)構(gòu)。JANIVER等［15］進一步分析認為，在OA早期，水平方向、大間距下分形分析的預(yù)測能力最強。早期研究［6］應(yīng)用GLCM進行紋理分析時，在90°、步長為1時進行參數(shù)計數(shù)。與上述研究不同，本研究發(fā)現(xiàn)在角度為45°、步長為1時具有最佳的預(yù)測能力。盡管不同研究篩選出不同的參數(shù)，但紋理的預(yù)測能力主要與ROI的選擇以及適合的算法有關(guān)［16］。

綜上所述，本研究表明，軟骨下骨小梁具有早期放射學診斷OA和預(yù)測OA進展的能力。在接下來的研究中，應(yīng)深度篩選臨床變量，優(yōu)化算法篩選骨紋理參數(shù)，提高預(yù)測的效能，并擴大研究樣本量進行驗證。膝關(guān)節(jié)骨紋理參數(shù)有望成為一種新的可行的生物標志物，用于預(yù)測OA的發(fā)生和識別高危人群。

致謝：感謝Osteoarthritis Initiative（OAI）數(shù)據(jù)庫的所有研究人員、工作人員和受試者。