注意:传统分割方法在儿童病理性脑MRI三维表面建模中的不足
该技术创新研究评估了三种常用自动分割工具在35例异常儿童脑MR扫描上的适应性,按病变特征分为正常、萎缩、空洞和其他四类。结果显示严重表面脑病理时自动分割失败,空洞组分成功率低至23.1%至69.2%,即使调整设置和手动编辑仍不理想,需进一步研究改进工作流程。
要点
- 严重表面脑病理(萎缩、空洞)时自动分割常失败,空洞组CAT12成功率仅23.1%。
- 默认设置下萎缩和空洞组合计成功率仅38.9%,手动优化后升至77.8%。
- 正常和其他类分割几乎均成功,但用于三维表面建模需权衡可行性。
核心结论
- 对于儿童脑MRI表面三维建模,当存在脑回萎缩或近表面空洞时,推荐分割方法在默认设置下分割失败。
- 作者认为在三维建模工作流程中应权衡分割可行性与准确三维模型的最终效用。
研究设计与样本
- 技术创新研究,纳入35例因围产期缺氧缺血损伤导致脑瘫的儿童异常MR脑扫描,均接受延迟MRI。
- 按影像结构异常分为正常、萎缩、空洞和其他四类,测试CAT12、SPM12和MRTool三种分割工具在默认和调整设置下的表现。
- 成功由放射科医生对表面准确性达成共识判定。
关键影像表现/征象
- 萎缩表现为全面或区域分水岭皮层体积丢失,伴或不伴多小脑回。
- 空洞表现为近脑表面的囊性结构(局灶或多囊性脑软化)或显著扩大的脑室(因代偿性扩张或脑积水)。
- 其他为非特异性表面脑异常,不符合上述分类。
诊断标准与关键数值
- 成功判定标准为放射科医生对分割表面准确性的共识。
- 默认设置下正常脑CAT12、SPM12、MRTool成功率分别为91.7%、91.7%、100%,其他类均为100%。
- 萎缩组CAT12成功率60%、SPM12 100%、MRTool 80%;空洞组CAT12 23.1%、SPM12 69.2%、MRTool 46.2%。
- 默认设置下萎缩和空洞组合计成功率7/18(38.9%),手动序贯优化后升至14/18(77.8%)。
临床应用与阅片要点
- 在儿童脑MRI三维表面建模中,对萎缩或空洞病例需考虑分割失败可能,并评估手动编辑工作量。
- 降低偏置正则化设置(增强偏置校正)并使用儿童组织概率图可提高SPM12和MRTool在萎缩和空洞组的分割成功率。
- 空洞组即使修改多种设置仍有3例失败,可能因覆盖皮层极薄导致表面缺损。
局限性
- 自动分割的优势因需手动调整各方法设置而丧失,且手动调整不保证分割成功。
- 需进一步研究以改进该工作流程和针对复杂表面病理的自动分割方法。
全文中译5 节 · 点击展开
引言
准确打印的三维(3-D)模型可用于向非放射科医师传达大脑尤其是大脑表面的形态学信息[1, 2]。迄今为止,脑3-D打印主要集中于成人脑,并使用正常脑或异常较少的脑。现有文献未涵盖儿童脑3-D打印相关的过程和问题,尤其是伴有显著病理改变者,如严重皮质变薄(萎缩)和脑软化灶(实质内充满液体的囊肿)。这些病理改变对打印高质量3-D模型构成巨大挑战。我们旨在探索自动化分割方法在工作流程中用于生成儿童MRI脑扫描3-D模型并准确呈现病变儿童脑表面解剖结构的实用性和适应性。
新技术创新描述
本研究检查了35例因既往围产期缺氧缺血性损伤导致脑性瘫痪的儿童的异常MR脑扫描,这些患儿接受了延迟MRI检查。某些缺氧缺血性损伤模式仅累及部分皮质,导致将MR图像转换为3-D表面重建的3-D制图工作流程复杂性相应增加。此前已在成人中记录到这一点[3, 4]。目前正在探索3-D打印在准确解剖呈现/仿生以促进医学教学、与公众沟通和法律程序方面的实用性。3-D打印工作流程依赖于对MR扫描数据的准确分割。我们测试并尝试改进三种常用分割工具在异常儿童MR脑扫描中的分割工作流程。
纳入的图像集根据影像学识别的结构异常分为四类:“正常”,无可见脑结构异常(图1);“萎缩”,表现为全面或区域分水岭性皮质体积丢失,伴或不伴瘢痕性脑回(图2);“空洞”,表现为靠近脑表面的扩张囊性结构(局灶性或多囊性脑软化)或显著扩张的脑室(无论是否由于真空性扩张或脑积水所致)(图3);以及“其他”,表现为不符合上述类别描述的非特异性脑表面异常。
从扫描到3-D模型的过程包括四个步骤:(1)分割;(2)表面网格化;(3)标准镶嵌语言(STL)文件(.stl)准备;(4)3-D打印。获取MRI脑扫描的医学数字成像和通信(DICOM)图像集,并转换为神经影像信息技术倡议(NIfTI)文件——即按1 mm × 1 mm × 1 mm 3-D体素组织的原始MR扫描强度的3-D阵列。对NIfTI文件进行分割;剥离颅骨和脑脊液,仅保留脑组织用于3-D建模(图4)。
存在多种用于处理MR图像的分割工作流程[3, 5]。我们使用了三种可从MatLab(The MathWorks Inc., Natick, MA)计算环境访问的方法:计算解剖学工具箱第12版(CAT12)、统计参数映射第12版(SPM12)和MRTool。CAT12使用基于体素的形态学分析(VBM),而SPM12和MRTool均采用组织概率映射(TPM)。我们使用了来自辛辛那提儿童医院的自定义儿科概率模板,并结合标准提供的模板[6]。在CAT12使用的VBM分析技术中,原始图像(原生空间)对灰质和白质均进行双重分割。对分配给体素的能量进行二值化可产生单一组织类别。
分割后,工作流程基于分割后MRI脑部的表面网格化定义体积。以体素表示的表面以标准镶嵌语言(STL)“网格”格式近似表示,内部体积实际上被丢弃。网格的每个组件由三个坐标和向外的法向量定义。使用三种方法生成STL表面网格文件;所有方法均通过MatLab计算环境访问:(1)Iso2surf,(2)Isosurface,(3)MRIcroS。
网格化错误虽然常见,但需要修复,因为表面“孔洞”会导致打印错误。网格化错误率可作为评估分割方法有效性的替代指标。用于分析STL表面生成准确性的指标包括:生成的STL文件体积与相应NIfTI文件体积的比较:(1)对于给定扫描,在各分割方法之间比较所生成每个体积的表面积与体积比,以及(2)将STL文件与源NIfTI文件的3-D表示进行视觉评估比较。对于使用默认设置未能成功分割的扫描,在每个方法内检查特定默认设置的效果。手动修改设置以改善分割结果,如下所示:
对于CAT12:不均匀性校正强度:控制偏置正则化水平和偏置高斯平滑半高全宽(FWHM)截止值,并测量分割前应用的不均匀性偏置校正强度。
仿射预处理(APP):额外的预处理偏置校正,旨在减少偏离解剖结构的失败。
局部自适应分割(LAS)强度:在没有偏置的情况下,组织强度是可变的。LAS是一种区域生长分割方法,旨在克服组织差异并提高正确分割[7]。
颅骨剥离强度:尝试在处理前通过去除颅骨来分离脑部,从而获得更准确的分割。
最终清理强度:尝试去除脑膜并校正部分容积效应。
对于SPM12和MRTool:偏置正则化:确定算法应对非均匀性校正场建模的程度。较轻的正则化导致建模更强的校正场(因此偏置校正更强)。
半高全宽截止值:所使用的非均匀性强度模型为高斯模型;此选项确定曲线宽度的形状。要对平滑低频场建模,应使用较大的截止值,反之亦然。
组织概率图:代表特定组织类型出现在特定空间位置的概率的模板——来自既往(正常)患者。
结果
所描述的工作流程应用于35个图像集,每个图像集应用三种分割方法。最初,22个模型在三种自动化方法中均成功分割。经过分割的各种优化后,这一数字增加到31个。有4例MR脑扫描属于“腔洞”类别,所有分割方法均失败。手动优化和根据建议(相对于扫描类别)修改默认分割设置的结果概述于表1和表2中,而表3概述了三种分割方法相对于MR脑扫描类别的比较成功率。成功分割的示例见图5。
通过CAT12、SPM12和MRTool进行的自动分割在MRI脑扫描的“正常”和“其他”类别中几乎普遍成功。在默认设置下,CAT12、SPM12和MRTool对正常脑的成功率分别为91.7%、91.7%和100%,而所有方法对“其他”类别的成功率均为100%。关于“萎缩”和“腔洞”类别,分割成功率较低。在“萎缩”组中,CAT12成功率为60%,SPM12为100%,MRTool为80%。在“腔洞”组中,CAT12成功率为23.1%,SPM12为69.2%,MRTool为46.2%。分割失败的示例如图6所示。当所有方法使用默认设置时,“萎缩”和“腔洞”类别扫描的最高成功率为18例中的7例(38.9%)。通过对分割涉及的所有步骤进行手动和序贯优化,成功率提高到18例中的14例(77.8%)。
讨论
通过选择感兴趣区域并设置组织强度阈值对脑组织进行手动分割效率低下且耗时[8]。另一方面,当组织不均匀或存在病变时,自动分割会遇到困难。不均匀的偏置场导致同一类组织的强度出现较大变化。此外,由于体素(四面体像素元素)具有固定分辨率,当MR扫描(DICOM文件)的原始分辨率导致一个体素中存在两类组织时,即部分容积效应,就会出现问题[9]。记录的组织强度发生融合,通过体素的二值化产生分类错误。复杂的分割方法可以缓解这一问题。2014年的一项定量比较发现SPM8(当前版本SPM12)是分割方法中最准确的[8]。
基于体素的形态学分析(VBM)技术在检测患有运动神经元疾病的成人灰质和白质变化以及检测脑组织萎缩水平方面是有效的[10]。针对多发性硬化症成人的分割方法比较得出结论,目前尚无最佳分割方法来检测具有不同特征和扫描质量的病灶[11]。上述研究侧重于检测和诊断。我们的比较优先考虑每种方法生成三维表面模型的适用性。我们表明,在患有萎缩或靠近脑表面空洞的儿童MR扫描中,使用先前推荐的分割方法在默认设置下分割失败。
用于分割的所有三种方法(CAT12、SPM12和MRTool)均能充分分割“正常”和“其他”类别中几乎所有的扫描,尽管质量程度不同。CAT12方法在“空洞”和“萎缩”类别图像中成功率相对较低。SPM12和MRTool方法在“萎缩”和“空洞”类别中均更为成功。通过降低偏置正则化设置(增加偏置校正),这两种方法的成功分割率均有所提高。通过使用儿科组织概率图(TPM)而非提供的TPM,两种方法的分割体积也得到改善[6]。“萎缩”类别扫描在默认设置下分割具有挑战性,但所有扫描在修改设置后均生成了可用的模型。“空洞”类别患者仍然最具挑战性——尽管修改了各种设置,仍有三次分割失败,可能是由于覆盖其上的大脑皮层非常薄导致表面缺陷。
自动分割的效率优势丧失了,因为每种方法的各种设置都需要手动调整,甚至这样也不能保证分割成功。Fig. 7 突出了分割“空洞”类患者的困难。当需要大量手动编辑才能构建用于三维表面显示的成功网格时,自动化就变得多余了。我们对分割方法的比较表明,在患有病理的儿童中使用当前分割方法创建表面三维模型时存在问题。自动分割的默认设置是为成人型组织设计的,当组织偏离正常时,使TPMs失效。
结论
在通过工作流程从儿童脑MRI生成表面三维模型时,研究者应考虑分割的可行性,并将其与准确三维模型的最终实用性进行权衡。我们已经表明,当对患有脑回萎缩或靠近脑表面的空洞的儿童MRI扫描使用默认设置下的推荐分割方法时,分割是不成功的。
引用
- Chacko A, Schoeman S, Venkatakrishna SSB, et al. Caution: shortcomings of traditional segmentation methods from magnetic resonance imaging brain scans intended for 3-dimensional surface modelling in children with pathology. Pediatr Radiol. 2023. PMID: 37249622. doi:10.1007/s00247-023-05692-9
- 全文:PMC10421760(PMC 开放获取,CC BY)https://pmc.ncbi.nlm.nih.gov/articles/PMC10421760/
供执业医师工作参考,不替代临床判断;数值与分级以指南原文为准。