特发性肺纤维化患者肺变形评估:基于肺三维超短回波时间MRI的弹性配准技术
前瞻性纳入76例特发性肺纤维化(IPF)患者与62例年龄性别匹配健康对照,采用单次屏气3D-UTE MRI吸气末与呼气末图像行弹性配准计算Jacobian行列式。IPF患者Jac-mean较对照显著降低(0.21±0.08 vs 0.27±0.07,p<0.001),且与肺功能、CPI、呼吸困难MRC分级、生活质量、6分钟步行距离及HRCT肺纤维化范围相关。
要点
- IPF患者呼气末肺外周及肺底区域变形明显减弱,彩色图显示健康对照肺底背侧有明显变形而IPF患者该区域变形很小。
- Jac-mean在IPF患者为0.21±0.08,显著低于健康对照的0.27±0.07(p<0.001)。
- Jac-mean与FVC%、FEV1%、TLC%、DLco%正相关,与CPI负相关,并与MRC≥3级呼吸困难、6分钟步行距离及HRCT纤维化范围相关。
核心结论
- IPF患者肺变形降低,且与IPF临床严重程度相关。
- 吸气末至呼气末3D-UTE MRI弹性配准可能成为无辐射、无创评估IPF的新的形态与功能标志物。
研究设计与样本
- 前瞻性单中心队列研究,纳入76例IPF患者(男72例,平均年龄62±6岁)与62例年龄性别匹配健康对照(男58例,平均年龄58±4岁)。
- IPF由多学科团队按2018年ATS/ERS/JRS/ALAT诊断标准诊断,对照为HRCT与肺功能正常者。
- 所有参与者均在24小时内完成MRI、HRCT与肺功能检查;MRI使用1.5T扫描仪(MAGNETOM Aera;Siemens Healthcare)18通道相控阵体线圈,行冠状面3D-UTE梯度回波螺旋VIBE序列,吸气末与呼气末各一次,每次15秒。
- 弹性配准采用ElasticSyN算法(ANTs软件),计算Jacobian行列式并以Jac-mean(JAC-NLC均值的绝对值)与Dice相似系数定量。
- 以JAC-NLC低于0.15为标记变形肺区 cutoff 值,构建健康变形模板并计算每例IPF患者标记变形区与模板的Dice相似系数。
关键影像表现/征象
- 彩色变形图显示健康对照呼气期肺底背侧及外周区域有明显变形(红色标记收缩区),IPF患者相应肺底外周区域变形减弱。
- IPF患者Jac-mean为0.21±0.08,显著低于健康对照的0.27±0.07(p<0.001)。
- Jac-mean与FVC%预计值(r=0.407,p<0.01)、FEV1%预计值(r=0.379,p<0.01)、TLC%预计值(r=0.357,p<0.01)、DLco%预计值(r=0.486,p<0.01)正相关,与CPI负相关(r=−0.477,p<0.01)。
- Dice与FVC%预计值(r=0.248,p<0.05)、FEV1%预计值(r=0.265,p<0.05)、DLco%预计值(r=0.305,p<0.05)正相关,与CPI负相关(r=−0.245,p<0.05)。
诊断标准与关键数值
- Jac-mean定义为每例参与者JAC-NLC均值的绝对值;JAC-NLC为经对数变换并配准至公共空间的归一化Jacobian行列式。
- 标记变形肺区定义为JAC-NLC值低于0.15(cutoff值),基于健康志愿者平均Jacobian行列式(HAJ)分割健康变形模板。
- Dice相似系数=2×TP/(2×TP+FN+FP),用于计算每例IPF患者标记变形区与健康变形模板的一致性。
- 弹性配准可重复性:IoU均值0.88±0.03,标记点A距离(DA)7.1±3.8 mm,标记点B距离(DB)7.0±3.1 mm;两次呼吸相位间ICC分别为IoU 0.86、DA 0.83、DB 0.80。
临床应用与阅片要点
- IPF患者呼气末肺底外周区域变形减弱,阅片时可结合Jacobian彩色图观察区域肺变形分布。
- Jac-mean与Dice可作为定量指标,与肺功能、CPI、MRC呼吸困难分级、生活质量、6分钟步行距离及HRCT纤维化范围联合解读。
- Jac-mean与TPV、PVV、PAV的体积、数量及迂曲度相关,Dice与HRCT肺血管相关指标无相关性。
局限性
- 原文未报告局限性。
全文中译14 节 · 点击展开
引言
特发性肺纤维化(IPF)是一种慢性、进行性纤维化肺疾病,最终导致呼吸衰竭和死亡[1]。目前,肺功能检查(PFTs)和高分辨率计算机断层扫描(HRCT)是诊断和评估IPF最重要的方法[2, 3]。然而,PFTs仅提供肺功能的总体概况,不能提供关于IPF区域功能的详细信息,而HRCT图像的视觉评估具有主观性,依赖于放射科医师的专业知识,这可能限制其可靠性和可重复性。
弹性配准算法是一种特定类型的图像配准方法,旨在确定将源图像与目标图像对齐所需的变换。这对于在不同时间点或同一时间的不同阶段拍摄的图像特别有用,因为该算法可以自动化并量化两幅图像之间的差异[4, 5]。近年来,弹性配准算法在评估急性肺损伤[6]、慢性阻塞性肺疾病[7, 8]和哮喘[9]中的肺变形方面受到关注。Chassagnon等人使用HRCT图像上的弹性配准来评估系统性硬化症相关间质性肺疾病(SSc-ILD)的形态学和功能恶化[10]。此外,已有研究表明,在基线和随访HRCT之间进行弹性配准有助于定量评估以IPF为特征的肺收缩的形态学恶化[11]。
为尽量减少与频繁CT扫描相关的累积辐射暴露,超短回波时间(UTE)和零回波时间(ZTE)序列已被引入临床MRI方案。这些序列可以描绘结构和功能改变,甚至可用于儿童[12, 13]。UTE能够在肺实质中产生类CT对比度[14],而3D-UTE MRI具有高可重复性,可识别IPF的影像学特征并评估肺纤维化的程度[15]。
通过对吸气至呼气UTE MRI进行弹性配准分析,Chassagnon等人证明,与无纤维化患者相比,系统性硬化症相关肺纤维化患者的肺底呼吸变形减少[16]。因此,我们假设在3D-UTE MRI上使用弹性配准技术的肺变形可作为IPF严重程度的潜在生物标志物。我们旨在分析IPF患者肺变形与肺功能、呼吸困难、运动耐量、健康相关生活质量(HRQoL)以及HRCT上肺纤维化程度的相关性。
材料和方法
研究设计和队列
这项前瞻性单中心队列研究获得了我院机构审查委员会的批准(2019-123-K85-1)。所有参与者均提供了书面知情同意书。从2021年1月至2022年6月,纳入了IPF患者以及年龄和性别匹配的健康对照者。IPF患者由多学科团队根据美国胸科学会、欧洲呼吸学会、日本呼吸学会和拉丁美洲胸科学会(ATS/ERS/JRS/ALAT)2018年制定的诊断标准进行诊断[1]。HRCT表现和肺功能检查正常的受试者被纳入对照组。排除标准包括:(I)患有癌症或感染的参与者;(II)有MRI禁忌证的参与者,如装有心脏起搏器或患有幽闭恐惧症;(III)未能完成MRI扫描或图像质量差且存在明显伪影的参与者。所有参与者均在24小时内接受了MRI、HRCT和肺功能检查。图1显示了参与者入组的流程图。
IPF患者静息状态下呼吸困难严重程度采用医学研究委员会(MRC)量表进行评估[17]。健康相关生活质量基于呼吸系统特异性问卷——圣乔治呼吸问卷(SGRQ)进行评估[18]。该问卷涵盖三个领域,包括呼吸症状、活动能力以及疾病的心理社会影响,评分范围为0至100分,评分越高表明生活质量越差。此外,该研究还测量了所有患者的6分钟步行距离(6-MWD)。
肺功能检查
所有参与者按照ATS/ERS标准[19]接受了肺功能检查(MasterScreen,Vyaire Medical GmbH)。肺功能检查指标包括用力肺活量占预计值百分比(FVC%)、第1秒用力呼气容积占预计值百分比(FEV1%)、FEV1/FVC%、肺总量占预计值百分比(TLC%)以及经实测血红蛋白校正的一氧化碳弥散量占预计值百分比(DLco%)。此外,复合生理指数(CPI)采用以下公式计算:CPI = 91 −(0.65 × DLCO预计值%)−(0.53 × FVC预计值%)+(0.34 × FEV1预计值%)[20]。
HRCT和定量分析
所有参与者在深吸气状态下使用多探测器CT系统(Toshiba Aquilion ONE TSX-301C/320;Philips iCT/256)接受了HRCT检查。受试者取仰卧位,单次屏气从肺尖扫描至最低膈面,采集参数和重建参数如下:管电压 = 100–120 kV,管电流 = 100–300 mAs,层厚 = 0.625–1 mm,进床速度 = 39.37 mm/s,机架旋转时间 = 0.8 s,重建间隔 = 1–1.25 mm。
肺部和纤维化病灶的分割在InferScholar软件(https://www.infervision.com/)中完成[21]。全肺区域先自动分割,然后由一名放射科医师手动校正。根据Christe等人[22]的方法,对HRCT上的磨玻璃影(GGO)、网格影和蜂窝状改变进行了勾画(补充图1)。肺纤维化的范围量化为网格影和蜂窝状改变所占体积与全肺体积的百分比。
根据既往研究[23,24],采用集成分割方法(使用自动化算法(FACT-Digital Lung Workstation,Dexin))在HRCT上自动分割肺血管,随后由放射科医师审核并手动校正(补充图2)。量化的主要血管参数包括总肺血管(TPV)、肺静脉血管(PVV)和肺动脉血管(PAV)的肺血管分支的体积、数量和迂曲度。
磁共振成像
所有患者均使用1.5T MRI扫描仪(MAGNETOM Aera;Siemens Healthcare)配合18通道相控阵体线圈行胸部MRI检查。在单一呼吸相位内采集两个三维、超短回波时间、梯度回波螺旋容积插值屏气检查序列,一个在完全吸气后采集,另一个在完全呼气后采集。两个序列均在冠状面进行,持续时间为15秒。关键参数如下:重复时间=2.73毫秒;回波时间=0.05毫秒;翻转角=5°;视野=500×500毫米;层厚=2.5毫米;矩阵=240×240;平面内分辨率=2.08×2.08毫米;螺旋持续时间=1800微秒。图像重建使用非均匀傅里叶变换(NUFT)方法。为确保完全吸气和呼气,每位参与者在MRI扫描前均接受仰卧位深呼吸练习训练。
弹性配准
图2a显示了吸气相和呼气相UTE图像的弹性配准。首先,所有吸气相和呼气相UTE图像均以1毫米各向同性采样进行预处理。然后,使用InferScholar(https://www.infervision.com/)自动分割肺区域。一位经验丰富的观察者检查肺分割结果,以确保肺部被完整、准确地识别。随后将精细肺分割结果膨胀十个像素以包含肺周区域。使用ElasticSyN算法进行吸气相(浮动图像)到呼气相(固定图像)的弹性配准。该算法集成于一款稳定且功能强大的开源软件Advanced Normalization Tools(ANTs)(https://github.com/ANTsX/ANTs)中[25]。
采用两个指标评估弹性配准的质量。第一个指标是交并比(IoU)[26],衡量配准后吸气相图像肺区域与呼气相图像肺区域之间的重叠程度。第二个指标测量配准后吸气相图像中的标志点与呼气相图像中对应标志点之间的距离。具体而言,观察者在吸气相和呼气相图像上手动放置A类和B类两类标志点(补充图3)。配准完成后,吸气相图像上的标志点自动配准到呼气相图像。收集标志点坐标以计算两类标志点的平均距离:DA,即配准后标志点A与呼气相图像中原标志点A之间的距离;DB,即两个标志点B之间的距离。为验证配准方法的可重复性和稳定性,每位参与者采集两次呼吸相位(吸气相和呼气相)。计算每个呼吸相位的IoU、DA和DB,并计算两个相位之间的一致性。
肺变形分析
对每位参与者,通过呼吸配准产生的变形场计算Jacobian行列式(JAC)。JAC是一个与呼气相图像大小相同的矩阵,其中每个值表示相应体素是拉伸(大于1)还是收缩(小于1)。每位参与者的JAC首先按其吸气相与呼气相肺容积之比进行归一化,得到JAC-N。为在数值上更好地区分拉伸和收缩,对JAC-N进行对数变换获得JAC-NL,其中正值表示体素拉伸,负值表示体素收缩,0表示无变化。
图2b展示了肺变形分析。随机选择一名健康志愿者的完全呼气相图像作为共同空间。基于每位参与者的肺掩膜,将其JAC-NL配准至该共同空间,获得JAC-NLC。
对于可视化分析,对所有IPF患者和健康志愿者的JAC-NLC分别取平均值,获得相应的平均Jacobian行列式:IPF患者的IAJ和健康志愿者的HAJ。然后,沿x、y、z轴将IAJ和HAJ投影至不同方向,以获得冠状面、矢状面和轴面视图上的可视化变形。
对于定量分析,计算Jac-mean(定义为每位参与者JAC-NLC平均值的绝对值)用于组间比较分析。此外,参照Chassagnon等[16],我们将JAC-NLC值低于0.15(截断值)的区域定义为显著变形肺区域。首先,利用HAJ上的截断值分割健康变形模板,该模板代表健康志愿者组呼吸时的肺运动模式。然后,使用Dice相似系数计算每位IPF患者显著变形区域与健康变形模板的一致性。具体而言,每位IPF患者的显著变形区域与HAJ重叠的区域记为真阳性(TP),属于HAJ但不属于该IPF患者的显著变形区域记为假阴性(FN),属于该IPF患者但不属于HAJ的显著变形区域记为假阳性(FP),然后Dice相似系数计算为2 × TP/(2 × TP + FN + FP)。对每位IPF患者,Dice越大,肺运动模式与健康志愿者组的一致性越高,反之,一致性越低。
所有上述过程均在Ubuntu操作系统环境(版本16.04;Canonical Ltd.)下使用Python编程语言(版本3.8;Python软件基金会)实现。
统计分析
所有统计分析均使用SPSS 26.0(IBM Corp,Armonk)进行。采用非配对t检验和Mann-Whitney U检验(定量数据)或卡方检验(分类变量)比较不同组间差异。采用Spearman相关系数分析肺变形与IPF严重程度之间的相关性。采用Bland-Altman分析[27]和组内相关系数(ICC)确定该方法的可重复性。ICC分级从无(= 0)到很好(> 0.80)及几乎完美(> 0.95)[28]。当双侧p ≤ 0.05时认为差异有统计学意义。
结果
基线特征
前瞻性纳入76例IPF患者(72例男性,平均年龄:62 ± 6岁)和62例健康对照者(58例男性,平均年龄:58 ± 4岁)。表1显示了IPF患者和健康对照者的人口学特征。两组间性别和体重指数(BMI)具有可比性。IPF患者的FVC%预计值(80.9 ± 14.5)、FEV1%(82.4 ± 14.4)、TLC%(67.7 ± 11.1)和DLco%预计值(54.8 ± 15.2)均值较对照组显著降低。IPF患者的CPI(39.1,[IQR:32.4,48.1])显著高于健康对照者(5.6,[IQR:− 8.0,13.7],p < 0.001)。
弹性配准算法的可重复性
IoU均值为0.88 ± 0.03。此外,标志点A之间的距离(DA)和标志点B之间的距离(DB)均值分别为7.1 ± 3.8 mm和7.0 ± 3.1 mm。两个呼吸时相之间的观察者间一致性很好(IoU,ICC = 0.86;距离A,ICC = 0.83;距离B,ICC = 0.80)(图3)。两个呼吸时相之间IoU、DA和DB的均值差异及95%一致性界限(95% LOA)分别为0.01(− 0.04至0.04)、0.26(− 4.01至4.59)和0.03(− 3.89至3.94)。
IPF患者与对照者之间肺变形的比较
图4显示了彩色图,用以说明IPF患者与健康对照者之间肺变形的差异。这些变形图是在冠状面、矢状面和横断面方向上生成的。比较两组之间的变形模式,健康对照者在呼气期间具有显著的变形,尤其是在肺外周区域。相反,IPF患者在呼气期间肺外周区域表现出变形减低。发现IPF患者的Jac均值為0.21 ± 0.08,显著低于健康对照者的Jac均值(0.27 ± 0.07,p < 0.001)。
肺变形与IPF严重程度
图5(a–e)表明,Jac-mean与FVC%预计值(r = 0.407,p < 0.01)、FEV1%预计值(r = 0.379,p < 0.01)、TLC%预计值(r = 0.357,p < 0.01)、DLco%预计值(r = 0.486,p < 0.01)呈正相关,与CPI呈负相关(r = − 0.477,p < 0.01)。同时,Dice与FVC%预计值(r = 0.248,p < 0.05)、FEV1%预计值(r = 0.265,p < 0.05)、DLco%预计值(r = 0.305,p < 0.05)呈正相关,与CPI呈负相关(r = − 0.245,p < 0.05)(图5f–i)。
如表2所示,MRC ≥ 3的IPF患者肺变形(Jac-mean:0.16 ± 0.03;Dice:0.06 ± 0.02)显著低于MRC 1(Jac-mean:0.25 ± 0.03,p < 0.001;Dice:0.10 ± 0.01,p < 0.001)和MRC 2(Jac-mean:0.22 ± 0.11,p = 0.001;Dice:0.08 ± 0.03,p = 0.006)。同时,MRC 1患者的Jac-mean高于MRC 2(p = 0.026);然而,MRC 1与MRC 2之间的Dice相当(p = 0.236)。
在健康相关生活质量方面,Jac-mean(图6a–d)与呼吸症状(r = − 0.401,p < 0.01)、活动(r = − 0.456,p < 0.01)、心理社会影响(r = − 0.349,p < 0.01)和总分(r = − 0.465,p < 0.01)呈负相关。此外,Jac-mean还与6MWD(r = 0.504,p < 0.01)(图6e)和HRCT上肺纤维化范围(r = − 0. 352,p < 0.01)(图6f)相关。Dice相似系数与呼吸症状(r = − 0.418,p < 0. 01)、活动(r = − 0.414,p < 0.05)、心理社会影响(r = − 0.369,p < 0.05)和总分(r = − 0.434,p < 0.05)呈负相关(图6g–j),也与6MWD相关(r = 0.577,p < 0.01)(图6k)。Dice相似系数还与HRCT上肺纤维化呈负相关(r = − 0. 312,p < 0. 01)(图6l)。
如表3所示,Jac-mean与TPV的体积、数量和迂曲度相关(体积:r = 0.245,p < 0.01;数量:r = 0.277,p < 0.01;迂曲度:r = − 0.320,p < 0.01)、PVV(数量:r = 0.188,p < 0.05;迂曲度:r = − 0.210,p < 0.05)和PAV(体积:r = 0.267,p < 0.01;数量:r = 0.303,p < 0.01;迂曲度:r = − 0.350,p < 0.01)相关,而Dice相似系数与HRCT上肺血管相关指标无相关性。
讨论
在本研究中,我们通过3D-UTE MRI上的弹性配准算法评估了IPF患者的肺形变,有以下几项发现:(I)IPF患者肺底外周区域的肺形变减低;(II)IPF患者肺形变减低与FVC%、FEV1%、TLC%、DLco%及CPI的恶化相关;(III)IPF患者肺形变减低与6-MWD、HRQoL的恶化及HRCT上肺纤维化范围相关。
在间质纤维化进展过程中,正常间质组织被改变的细胞外基质和肺泡结构所替代,导致肺顺应性恶化及肺形变和弹性下降[29, 30]。弹性配准算法利用动态线性弹性模型捕捉组织形变,并使用有限元法进行离散化。在纤维性间质性肺病随访中,肺收缩已被用作额外的CT标志物[31]。在本研究中,弹性配准所得的雅可比图显示,明显形变区域在健康对照中主要分布于肺底背侧,而在IPF患者中肺底外周区域显著减低,这与系统性硬化症相关ILD患者肺形变减低的研究结果一致[16]。Jac-mean代表肺的形变。负值表示肺收缩,正值表示肺牵张。此外,Jac-mean越小,肺形变越弱。IPF患者的Jac-mean显著减低,表明IPF患者肺形变恶化。这些结果与Chassagnon等[16]一致,他们报道SSc患者与无纤维化参与者相比肺形变较小。
为准确评估肺形变在IPF中的价值,我们纳入了功能和形态学参数,包括PFT、CPI、医学研究委员会量表、HRQoL、6-MWD及HRCT上的纤维化范围。PFT是评估IPF功能严重程度的重要标志物;然而,它难以提供细微和区域性的功能改变以及纤维化范围。Jac-mean和Dice相似系数的升高与FVC%、FEV1%、TLC%和DLco%的升高相关。此外,Jac-mean和Dice相似系数的降低与CPI的升高相关。这些结果表明,肺形变减低与肺功能恶化一致。Dice相似系数用于比较IPF与健康对照之间明显收缩区域的相似性。因此,Jac-mean(包括彩色图)和Dice相似系数均可提供区域或整体肺功能的视觉和定量分析。
随着IPF的进展,患者的临床症状和体征逐渐恶化。我们发现,与MRC1和2的患者相比,MRC3和4的患者的Jac-mean和Dice相似系数值降低。这揭示IPF患者的肺形变减小越多,其呼吸困难将越严重。此外,我们还发现Jac-mean和Dice相似系数值与6MWD、呼吸道症状、活动、心理社会影响以及IPF患者的总分相关,证实肺形变减小与较差的运动耐量和较差的生活质量相关。此外,Jac-mean与肺纤维化程度及HRCT上肺血管相关指标呈弱相关。这些结果证实基于UTE MRI弹性配准的肺形变与IPF患者的临床严重程度相关,并进一步证明UTE MRI上的弹性配准可以在随访期间评估形态和功能改变。
弹性配准的准确性和可重复性对于分析IPF患者的肺形变至关重要。Chassagnon等人使用标志点之间的距离来评估配准性能,验证了弹性配准的准确性[16]。在我们的研究中,我们使用标志点距离和IoU来评估弹性配准的准确性,其中我们得到的标志点距离与Chassagnon等人相当,我们的IoU达到0.88 [16]。此外,我们超越了Chassagnon等人的局限性[16],通过为每位患者采集两个呼吸时相的图像,验证了弹性配准结果的可重复性。
在这项前瞻性研究中,我们采用吸气至呼气3D-UTE MRI的弹性配准来评估IPF的严重程度。然而,必须承认我们研究中存在若干局限性。首先,本研究可能因单中心设计且主要集中于轻度患者队列而限制了结果的普适性。对于晚期或急性加重期IPF患者,肺形变与预后的关系需要进一步研究。在我们的患者中,我们没有随访MR,弹性配准在评估IPF状态(稳定或进展)中的应用需要进一步研究。其次,考虑到我们使用的配准方法来源于开源软件(ANTs),它具有足够的通用性。同时,我们比较了每位参与者两个呼吸时相的配准准确性,以确认该配准方法具有可重复性。尽管如此,不同配准方法可能的影响仍未知。
总之,IPF患者的肺形变减小,且与IPF的严重程度相关。吸气至呼气3D UTE MRI的弹性配准可能成为一种新的形态和功能标志物,用于IPF的无辐射、无创评估。
补充信息
附加文件1:补充图1。用于高分辨率CT(HRCT)上特发性肺纤维化组织表征的分割模型。磨玻璃影(红色)、网格影(橙色)和蜂窝影(绿色)。补充图2。用于健康对照(a-d)和特发性肺纤维化(e-h)在高分辨率CT(HRCT)上肺血管的分割模型。全肺分割(a,e);肺血管(b,f);肺静脉(蓝色)和动脉(红色)血管(c,g);肺静脉(蓝色)和动脉(红色)血管的骨架(d,h)。补充图3。该图显示了A点和B点的位置。A点和B点的位置为手动绘制,来源于在多平面重建(MPR)上胸骨柄下缘平面胸椎前缘与两侧胸壁的交点。
引用
- Yang X, Yu P, Sun H, et al. Assessment of lung deformation in patients with idiopathic pulmonary fibrosis with elastic registration technique on pulmonary three-dimensional ultrashort echo time MRI. Insights Imaging. 2024. PMID: 38253739. doi:10.1186/s13244-023-01555-x
- 全文:PMC10803694(PMC 开放获取,CC BY)https://pmc.ncbi.nlm.nih.gov/articles/PMC10803694/
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。