基于灰度雙閾值自動測量MRI所示膝骨關(guān)節(jié)炎積液體積

陳潔瑩，白求順，曾雨萍，陳嘉欣，丁長海，朱兆華，4*

(1.南方醫(yī)科大學(xué)生物醫(yī)學(xué)工程學(xué)院，2.第一臨床醫(yī)學(xué)院，廣東 廣州 510515；3.南方醫(yī)科大學(xué)珠江醫(yī)院臨床研究中心，4.骨科中心，廣東 廣州 510280)

膝骨關(guān)節(jié)炎(knee osteoarthritis， KOA)是引起膝關(guān)節(jié)長期疼痛、功能障礙的退行性疾病，患者生活質(zhì)量嚴(yán)重下降[1-2]。KOA患者疼痛的主要原因?yàn)殛P(guān)節(jié)積液所導(dǎo)致的關(guān)節(jié)囊擴(kuò)張[3-4]。約85%的KOA患者關(guān)節(jié)存在少量甚至更多積液，且積液量與疼痛程度呈正相關(guān)[5-6]。MRI顯示膝關(guān)節(jié)半月板及軟骨改變、軟組織腫脹、關(guān)節(jié)積液、骨髓水腫及滑膜增厚等關(guān)節(jié)病變具有明顯優(yōu)勢[7-9]。因此，基于MR圖像測量關(guān)節(jié)積液可用于診斷和評估KOA預(yù)后，但目前定量測量關(guān)節(jié)積液的方法較少，且費(fèi)用高昂、平臺應(yīng)用受限、手動勾畫ROI耗時費(fèi)力[10]。觀察者間測量積液體積的一致性很好(組內(nèi)相關(guān)系數(shù)：0.93～0.99，P<0.05)[10]。本研究在前期研究[10]基礎(chǔ)上擬基于Matlab平臺開發(fā)自動測量KOA患者膝關(guān)節(jié)積液體積工具，為臨床應(yīng)用提供數(shù)據(jù)支撐。

1 資料與方法

1.1 數(shù)據(jù)來源 選取2010年6月—2013年12月維生素D治療骨關(guān)節(jié)炎療效(vitamin D effect on osteoarthritis， VIDEO)研究中151例KOA患者(測試集)，男74例，女77例，年齡50～79歲，平均(63.2±7.7)歲；膝關(guān)節(jié)冠狀位質(zhì)子密度加權(quán)成像(proton density weighted imaging， PDWI)參數(shù)：TE 3 400 ms，TR 64 ms，層厚3 mm，F(xiàn)A 90°，像素256×256，圖片數(shù)量23幀。于國際公共骨關(guān)節(jié)炎隊(duì)列數(shù)據(jù)庫(https://nda.nih.gov/oai/)骨關(guān)節(jié)炎起始研究(osteoarthritis initiative study， OAI)中隨機(jī)抽取50例KOA患者作為外部驗(yàn)證集，男17例，女33例，年齡45～77歲，平均(61.4±9.8)歲；采集膝關(guān)節(jié)冠狀位二維中介加權(quán)快速自旋回波(two-dimensional intermediate weighted turbo spin echo， 2D-IW-TSE)序列圖像，TE 3 700 ms，TR 29 ms，層厚3 mm，F(xiàn)A 180°，像素307×384，圖片數(shù)量37幀。本研究獲得院倫理委員會批準(zhǔn)(編號：H11040)。

1.2 手動測量 采用Osirix Lite 5.9軟件，由1名具有3年工作經(jīng)驗(yàn)的影像科醫(yī)師觀察MRI，發(fā)現(xiàn)膝關(guān)節(jié)積液信號(knee joint effusion signals， KES)時，沿積液區(qū)域邊緣手動勾畫ROI，軟件自動進(jìn)行三維重建并計(jì)算積液體積。采用MRI膝關(guān)節(jié)骨關(guān)節(jié)炎評分(MRI osteoarthritis knee score， MOAKS)[11]標(biāo)準(zhǔn)評價積液等級：無滲液為0級，輕度滲液為1級，中度滲液為2級，重度滲液為3級。由另1名醫(yī)師隨機(jī)抽取50例再次進(jìn)行勾畫及評級。

1.3 自動測量

1.3.1 閾值分割 將DICOM格式MRI導(dǎo)入Matlab r2018a平臺，以函數(shù)medfilt2進(jìn)行濾波。隨機(jī)抽取3例同時存在皮下脂肪信號(subcutaneous fat signals， SFS)及KES的圖像，調(diào)整高、低閾值，在不進(jìn)行灰度變換的前提下，以10個灰度級為一個單位，在合理范圍內(nèi)依次變化，使高、低閾值相差2個單位以上；調(diào)整面周比(surface-to-circumference ratio， STCR)，以0.5為一個單位，在合理范圍內(nèi)依次變化，使高、低閾值相差1個單位以上。由2名分別具由3年工作經(jīng)驗(yàn)的影像科醫(yī)師分別觀察自動及手動分割ROI的一致性，以與手動測量結(jié)果最匹配的閾值作為分割閾值，意見存在分歧時經(jīng)協(xié)商達(dá)成一致。測試集低閾值為550、STCR閾值為4.5，高閾值為850、STCR閾值為10；驗(yàn)證集低閾值為400、STCR閾值為2.5，高閾值為470、STCR閾值為3。行全局閾值(低閾值)分割(圖1A)，以函數(shù)bwareaopen進(jìn)行開操作，去除微小目標(biāo)。

1.3.2 獲取ROI 以函數(shù)statxture獲取三階距，結(jié)合STCR區(qū)分剩余區(qū)域的SFS及KES。STCR較小時，多為折褶多、高信號強(qiáng)度分布離散的SFS區(qū)域；STCR較大時，多為高信號強(qiáng)度分布集中、均勻且邊界平整的KES區(qū)域。以三階矩度量區(qū)域灰度值集合的偏斜度，見公式(1)及(2)；正負(fù)三階矩分別代表區(qū)域灰度值集合的正負(fù)偏態(tài)，KES區(qū)域三階矩<0，灰度直方圖呈見負(fù)偏態(tài)(圖1B)；SFS區(qū)域>0，灰度直方圖呈正偏態(tài)(圖1C)。

(1)

(2)

式中，ζi為第i個區(qū)域的三階矩，ui為第i個區(qū)域的灰度均值，N為該區(qū)域內(nèi)像素數(shù)，Pij為第i個區(qū)域的第j個像素的灰度值。

剩余區(qū)域數(shù)量≤10 表示圖像存在脂肪信號的可能性較低，無需再行高閾值分割，可根據(jù)STRC>4.5或三階矩<0確定積液。剩余區(qū)域的數(shù)量>10代表圖像脂肪信號較多，需設(shè)置更高閾值用于全局閾值分割，并執(zhí)行開操作。若區(qū)域STRC>10或三階矩<0，可視為小區(qū)域KES(圖1D)。

圖1 患者女，63歲，KOA A.全局閾值分割膝關(guān)節(jié)冠狀位MRI中KES受SFS的干擾較多； B.KES灰度直方圖； C.SFS灰度直方圖； D.雙閾值分割后，干擾信號基本被去除

圖2 自動測量和手動測量KOA患者膝關(guān)節(jié)積液體積相關(guān)性的散點(diǎn)圖 A.測試集； B.驗(yàn)證集

1.3.3 積液體積 根據(jù)圖像拍攝縱深及所測面積進(jìn)行插值處理，獲得面積的模擬曲線；根據(jù)公式(3)以積分計(jì)算積液體積(V)。

(3)

式中，d為膝關(guān)節(jié)總厚度，x為深度，area(x)為插值處理后得到的面積函數(shù)。

1.4 統(tǒng)計(jì)學(xué)分析 采用SPSS 18.0軟件。分別以Pearson相關(guān)性分析和Spearman相關(guān)性分析評價自動、手動測量后評價測試集與外部驗(yàn)證集(n=50)積液等級結(jié)果的相關(guān)性：|r|<0.3為無明顯相關(guān)，0.3≤|r|<0.6為中度相關(guān)，|r|≥0.6為高度相關(guān)。P<0.05為差異有統(tǒng)計(jì)學(xué)意義。

2 結(jié)果

自動測量測試集平均耗時(4.38±0.98)s，手動測量平均耗時(12.54±5.37)min。自動測量與手動測量測試集積液體積結(jié)果呈高度正相關(guān)(r=0.78，P<0.01)，見圖2A；自動測量與手動測量驗(yàn)證集積液體積等級結(jié)果亦呈高度正相關(guān)(r=0.87，P<0.01)，見圖2B。

3 討論

目前影像學(xué)測量KOA患者關(guān)節(jié)腔積液仍以半定量評分為主，缺少更為客觀及可實(shí)現(xiàn)真正量化的測量工具[12]。WANG等[13]手動于MRI中勾畫ROI，利用Osirix Lite軟件測量積液面積及體積，并進(jìn)一步與臨床結(jié)局進(jìn)行相關(guān)性分析，發(fā)現(xiàn)膝關(guān)節(jié)積液水平對診斷KOA和評估預(yù)后具有重要價值。但是，人工手動逐幀勾畫ROI耗時、費(fèi)力，臨床實(shí)用性有限。準(zhǔn)確測量積液體積的關(guān)鍵是正確區(qū)分SFS與KFS。PDWI中積液表現(xiàn)為高亮信號，脂肪和水強(qiáng)度(灰度)值均較高；膝關(guān)節(jié)周圍皮下脂肪較多時，采用普通閾值分割方法不能很好地去除脂肪信號噪聲，易將SFS誤為KFS，導(dǎo)致測量數(shù)據(jù)出現(xiàn)誤差。傳統(tǒng)方法通常利用直方圖、方差及最大類間方差等確定閾值，用于分割MRI中膝關(guān)節(jié)積液信號的效果不佳。QUINN-LAURIN等[14]基于Matlab平臺證實(shí)了其所提出的MRI半自動閾值分割方法定量測量髖關(guān)節(jié)積液的可靠性和可行性，并預(yù)計(jì)以深度學(xué)習(xí)方法實(shí)現(xiàn)進(jìn)一步自動化可大幅提高測量小體積復(fù)雜關(guān)節(jié)液的可靠性，認(rèn)為此為優(yōu)化方向。本研究基于Matlab平臺，在全局閾值分割基礎(chǔ)上以STCR和三階矩最大化地排除脂肪信號干擾，實(shí)現(xiàn)了自動化測量膝關(guān)節(jié)積液面積和體積；所開發(fā)的自動測量工具易于操作，操作者無須具備豐富的MRI測量經(jīng)驗(yàn)即可在短時間內(nèi)精確測量大量樣本，且測試集及驗(yàn)證集中自動測量結(jié)果與手動測量結(jié)果的相關(guān)性均較高，提示此法有助于大幅降低測量時間和人力成本，更為客觀地定量評價膝關(guān)節(jié)積液水平。

總之，本研究基于Matlab開發(fā)的自動測量MRI所示膝關(guān)節(jié)積液體積工具相比與人工手動測量方法耗時短、較少需要人工干預(yù)，可重復(fù)性佳，具有較高臨床推廣價值。但本研究存在以下不足之處：①樣本量小，可能對結(jié)果造成影響；②其臨床有效性有待進(jìn)一步臨床研究，特別是大樣本前瞻性隊(duì)列研究結(jié)果加以驗(yàn)證。