文献速递腹部CTMR

利用全自动3D器官分割与CT衰减参数评估肝脏脂肪变性

Utilizing fully-automated 3D organ segmentation for hepatic steatosis assessment with CT attenuation-based parameters.
PubMed 文献 · Eur Radiol · 2024-02-23

回顾性分析362例成人潜在活体肝供者的腹部CT与MRS-PDFF,采用深度学习全自动3D分割测量肝脏和脾脏体积平均CT值,评估其在平扫和增强CT上检测和分级肝脂肪变性的价值,并与手动ROI测量比较。体积参数诊断MRS-PDFF≥5%和≥10%的AUC分别为0.734–0.817和0.818–0.915,与ROI参数无显著差异。全自动分割可提供体积CT衰减参数,适用于平扫和增强CT检测和分级肝脂肪变性。

要点

  • 全自动3D分割的肝脏体积平均CT值(L_pre、L_post)与手动ROI测量一致性高,ICC分别为0.974和0.992。
  • 体积参数L-S_pre在MRS-PDFF≥10%时AUC为0.915,表现最佳。
  • 体积参数与ROI参数诊断肝脂肪变性的AUC无显著差异(P=0.228–0.911)。

核心结论

  • CT全自动3D分割肝脏和脾脏可提供体积CT衰减参数,用于检测和分级肝脂肪变性,适用于平扫和增强图像。
  • 体积参数诊断效能与手动ROI参数相当,可作为劳动密集型ROI方法的可行替代。

研究设计与样本

  • 回顾性研究,纳入2017年1月至2021年6月在本机构行术前肝脏CT和MRI的362例成人潜在活体肝供者(男208例,女154例,平均年龄37.3岁)。
  • 使用双源双能量CT扫描仪(Somatom Force,Siemens Healthineers)行平扫、动脉期、门静脉期和延迟期扫描,门静脉期图像按80 kVp与锡滤过150 kVp以6:4比例线性融合重建。
  • 使用3.0T磁共振扫描仪(MAGNETOM Skyra,Siemens Healthineers)测量MRS-PDFF作为参考标准,体素置于肝VII或VIII段穹隆区。
  • 采用基于3D nnU-Net算法的商用多器官分割程序(MEDIP PRO v2.4.0.0,MEDICAL IP Co. Ltd.)行全自动体积分割,并与手动ROI法(肝3个ROI、脾1个ROI,面积250–300 mm²)比较。
  • 以MRS-PDFF≥5%和≥10%为诊断目标,使用ROC曲线分析比较体积参数与ROI参数的诊断效能。

诊断标准与关键数值

  • 体积L_pre、L-S_pre、L_post、L-S_post诊断MRS-PDFF≥5%的AUC分别为0.813、0.813、0.734、0.817;诊断MRS-PDFF≥10%的AUC分别为0.901、0.915、0.818、0.868。
  • ROI参数L_pre、L-S_pre、L_post、L-S_post诊断MRS-PDFF≥5%的AUC分别为0.803、0.818、0.735、0.813;诊断MRS-PDFF≥10%的AUC分别为0.882、0.895、0.816、0.856。
  • 体积参数与ROI参数诊断肝脂肪变性的AUC无显著差异(P=0.228–0.911)。
  • 诊断MRS-PDFF≥10%的推荐截断值:L_pre为55.4 HU,敏感度85.7%、特异度88.7%;L-S_pre为1.2 HU,敏感度82.9%、特异度90.8%。
  • 体积L_post在诊断MRS-PDFF≥5%时AUC显著低于L_pre(P=0.015)和L-S_post(P=0.001)。

临床应用与阅片要点

  • 全自动3D分割测得的体积CT衰减参数可用于平扫或增强CT检测和分级肝脂肪变性,与手动ROI测量一致性高或极好。
  • 诊断MRS-PDFF≥10%时,L_pre截断值55.4 HU、L-S_pre截断值1.2 HU可作为参考。
  • 体积测量值略低于ROI测量值,平均差异L_pre为−4.2 HU、L_post为−1.2 HU、S_pre为−3.4 HU、S_post为−7.7 HU,混合或交替使用两种方法时需谨慎。
  • 增强CT上肝脾CT值测量可能受扫描时间轻微变化影响,影响可重复性。
  • 自动化分割体积分析需实施质量控制和验证,以减少图像采集和解剖变异等因素导致的系统误差。

局限性

  • 研究人群为潜在肝供者,大多健康状况良好,可能限制泛化性,尤其考虑到铁过载等合并症对CT衰减值的影响。
  • 所有CT扫描均来自同一供应商的同一扫描方案,需进一步研究不同扫描设置和机器以确保广泛适用性。
  • 本研究采用横断面设计,未探索纵向随访的可行性,需进一步研究评估自动体积CT测量在重复CT数据人群中纵向监测肝脂肪变性的效用。
全文中译14 节 · 点击展开
本译文由 AI 依据开放获取原文逐段翻译,供学习参考,可能存在误差,请以原文为准。原文 © 原作者,按 CC BY 许可使用,本译文为翻译改编。出处:Eur Radiol. 2024 Feb 23;34(9):6205–13. doi: 10.1007/s00330-024-10660-4

引言

肝脂肪变性以肝细胞内脂肪堆积为特征,是非酒精性脂肪性肝病的关键特征。肝活检传统上是检测和分级肝脂肪变性的金标准[1]。然而,其有创性使其不太适合常规和重复使用。在近期的实践中,无创成像技术在临床实践中越来越受到青睐,作为有创活检评估和监测肝脂肪变性的有价值的替代方法。用于质子密度脂肪分数(PDFF)的磁共振波谱(MRS)或化学位移编码磁共振成像(MRI)已成为肝脂肪变性的无创参考标准,可提供高度准确和可靠的测量[2, 3]。先前一项使用离体人肝脏的验证研究表明,MRI-PDFF与MRS-PDFF表现出极好的相关性(r = 0.984),与组织学脂肪变性分级(r = 0.850)和提取的甘油三酯(r = 0.871)表现出强相关性[4]。此外,定量超声技术在定量评估肝脂肪变性方面已显示出前景[5]。相比之下,计算机断层扫描(CT)由于依赖电离辐射且在评估轻度肝脂肪变性方面性能有限,不是肝脂肪变性评估的首选方法。然而,CT广泛用于各种临床研究,并且是一种成本效益高的肝脂肪变性机会性筛查工具[6]。基于CT的肝脂肪变性评估依赖于甘油三酯与正常肝组织之间不同的X射线吸收,导致随着肝脂肪变性严重程度增加,CT衰减值降低[7]。肝脂肪变性评估的参数包括肝脏的绝对CT衰减值[8]以及肝脏与脾脏之间的CT衰减差值[9]。据报道,其检测病理性脂肪变性> 5%和> 33%的受试者工作特征(ROC)曲线下面积(AUC)分别约为0.7和约0.9[10]。这些测量通常使用感兴趣区(ROI)方法获得,优先选择平扫CT[2]。然而,增强CT也可以使用[11]。

近年来,深度学习算法的重大进展导致了自动化医学图像分割的出现[12]。这些技术被广泛用于高效、客观地获取身体成分数据、器官体积和影像组学特征[13]。此外,这些技术已被应用于肝脂肪变性评估,正如最近一项研究所示,该研究在一个大型筛查队列中使用了基于器官分割的容积CT衰减测量[14]。容积CT衰减测量可能更全面地代表肝脏的整体特征,即使在脂肪变性不均匀的情况下也是如此。然而,尽管许多先前研究报告了基于ROI的CT衰减测量评估肝脂肪变性的准确性[10, 11, 15, 16],但关于使用稳健参考标准的容积CT衰减测量的准确性及其与基于ROI测量的潜在可互换性的数据有限。

因此,本研究旨在以磁共振波谱-质子密度脂肪分数(MRS-PDFF)为参考标准,探讨全自动三维(3D)器官分割在评估平扫和增强CT图像上肝脏脂肪变性方面的临床效用。

方法

伦理声明

本机构审查委员会批准了这项回顾性研究,并鉴于研究的回顾性性质,豁免了知情同意的要求。

研究人群

我们检索了本机构的放射学数据库,以识别2017年1月至2021年6月期间作为潜在活体肝供者术前检查的一部分接受肝脏CT和MRI检查的成人。我们排除了以下受试者:(1)18岁以下者;(2)CT与MRI扫描间隔超过60天者。所有受试者均无肝脏或脾脏手术史。在研究期间,本机构常规对潜在活体肝供者进行术前肝脏CT扫描,使用双源双能量(80 kVp和150 kVp)CT扫描仪(Somatom Force,Siemens Healthineers,Erlangen,Germany)。这些扫描包括平扫、动脉期、门静脉期和延迟期图像。此外,术前肝脏MRI扫描使用配备60通道躯干相控阵线圈的3.0-T磁共振扫描仪(MAGNETOM Skyra,Siemens Healthineers)进行。这些MRI扫描包括测量MRS衍生的PDFF,这是量化肝脏脂肪的无创金标准[2]。脂肪分数波谱测量采用改良刺激回波采集序列,在肝脏VII段或VIII段穹顶区域的单一体素内于不同回波时间进行。体素经过仔细定位以避免大血管、胆管和肝脏边缘。补充材料1描述了肝脏CT和MRS-PDFF的详细扫描方案。

肝脏和脾脏的CT衰减值

采用两种方法评估肝脏和脾脏的CT衰减值(以Hounsfield单位(HU)计):二维手动感兴趣区(ROI)法和三维自动体积法(图1)。测量在门静脉期采集的平扫和增强图像上进行,这些图像使用80 kVp与锡滤过150 kVp以6:4比例线性融合重建。使用每种方法,从平扫图像(分别为L_pre和S_pre)和增强图像(分别为L_post和S_post)确定肝脏和脾脏的平均HU值。每种方法的详细步骤描述如下。

图1 一名50岁男性肝脏和脾脏HU的体积法和ROI法测量示意图,其肝脏MRS-PDFF为25.7%。在平扫和增强腹部CT扫描上进行了肝脏和脾脏的全自动分割(a:三维容积渲染图像,b:轴位平扫CT图像,c:轴位增强CT图像)。计算得出的肝脏和脾脏体积平均CT衰减值在平扫CT图像上分别为36 HU和55 HU,在增强CT图像上分别为105 HU和147 HU。d 肝脏HU和脾脏HU的ROI法测量分别使用肝脏三个ROI和脾脏一个ROI进行。MRS-PDFF = 磁共振波谱-质子密度脂肪分数;ROI = 感兴趣区 查看原图 ↗

手动ROI法测量

一位获得委员会认证的放射科医师(J.Y.),拥有9年腹部影像学经验,按照既往研究的方法学[15],手动在每个受试者的肝脏中放置三个圆形感兴趣区(ROI),具体位于左叶、右前段和右后段。此外,在脾实质中央部分放置一个圆形ROI。采取预防措施以确保ROI大小为250–300 mm2,并放置在无肝内血管、局灶性病变及其他异质性原因(包括伪影)的区域。使用图像归档和通信系统(INFINITT PACS M6,INFINITT Healthcare)绘制ROI。ROI最初在增强后图像上绘制(图1)。随后,在需要时进行轻微调整后将其转移至相应的平扫图像上,确保两组图像之间的解剖位置一致。分别计算平扫和增强后图像上三个肝脏ROI的平均HU值,分别记为L_pre和L_post。同样,脾脏ROI的平均HU值分别记为S_pre和S_post。

使用3D多器官分割算法进行体积测量

使用基于3D nnU-Net算法开发的市售多器官分割程序(MEDIP PRO v2.4.0.0,MEDICAL IP Co. Ltd.)获取肝脏和脾脏的体积CT衰减测量值。该程序用于对肝脏和脾脏进行体积分割,生成代表这些器官的3D掩膜,同时不排除器官内的血管结构。随后,分别从平扫和增强后图像中自动计算所有指定肝脏和脾脏体素的CT衰减体积平均值。

用于评估肝脂肪变性的基于CT衰减的参数

基于既往关于肝脂肪变性评估的CT研究[10, 11, 14],我们检查了四个基于CT衰减的参数。这些参数包括肝脏HU值(L_pre和L_post)以及量化肝脏与脾脏HU差异的参数(肝减脾[L-S]_pre和L-S_post)。

统计分析

所有统计分析均使用IBM SPSS Statistics for Windows(版本25.0,IBM Corp)和MedCalc Statistical Software(版本18.9.1,MedCalc Software bvba)进行。p值小于0.05被认为具有统计学意义。

采用组内相关系数(ICC)和Bland–Altman分析评估肝脏和脾脏CT衰减值的容积测量与手工感兴趣区(ROI)测量之间的一致性。根据ICC估计值,<0.5、0.5–0.75、0.75–0.9和>0.90分别表示一致性差、中等、良好和优秀[17]。采用Pearson相关分析研究基于容积CT衰减的肝脂肪变性参数(L_pre、L-S_pre、L_post和L-S_post)与MRS-PDFF值之间的相关性。采用ROC曲线分析评估这些参数的诊断性能,以识别MRS-PDFF值≥5%(提示轻度脂肪变性)和≥10%(提示中重度脂肪变性)[18]。采用z统计量比较同一成像期获得的参数之间(L_pre vs. L-S_pre和L_post vs. L-S_post)以及不同成像期获得的同类参数之间(L_pre vs. L_post;L-S_pre vs. L-S_post)的AUC。此外,采用z统计量将这些参数与基于ROI的参数进行比较。通过最大化Youden指数确定基于容积CT衰减参数的截断值,并计算相应的灵敏度和特异度。

结果

研究人群

最终研究人群包括362名成人,其中男性208名、女性154名,平均年龄37.3岁(表1)。受试者的平均MRS-PDFF值为4.8%(范围0.4%–35.7%)。根据MRS-PDFF值,257名(71.0%)受试者无肝脂肪变性(MRS-PDFF<5%),而105名(29.0%)有肝脂肪变性(MRS-PDFF≥5%),其中35名为中重度肝脂肪变性(MRS-PDFF≥10%)。

表1 研究人群特征 查看原表 ↗

CT衰减值的容积测量与基于ROI的测量之间的一致性

L_pre和L_post的容积测量与基于ROI的测量表现出优秀的一致性,ICC值分别为0.974(95%置信区间[CI]:0.968–0.979)和0.992(95%CI:0.990–0.994),平均差值分别为−4.2 HU和−1.2 HU(补充图1)。

S_pre的容积测量与基于ROI的测量表现出良好的一致性,ICC为0.825(95%CI:0.785–0.858),S_post表现出优秀的一致性,ICC为0.962(95%CI:0.953–0.969)。S_pre和S_post两种方法之间的平均差值分别为−3.4 HU和−7.7 HU(补充图1)。

基于容积CT衰减的参数与MRS-PDFF值的相关性

所有评估的基于容积CT衰减的肝脂肪变性参数(L_pre、L-S_pre、L_post和L-S_post)均与MRS-PDFF值呈显著负相关(p<0.001)。L_pre、L-S_pre、L_post和L-S_post与MRS-PDFF的相关系数分别为−0.629(95%CI:−0.681至−0.554)、−0.618(95%CI:−0.678至−0.550)、−0.469(95%CI:−0.546至−0.384)和−0.617(95%CI:−0.677至−0.548)(图2)。

图2 散点图显示基于容积CT衰减参数的(a:L_pre,b:L-S_pre,c:L_post,d:L-S_post)与MRS-PDFF值的拟合回归线(实线)和95%置信区间(虚线)。“r”表示Pearson相关系数。MRS-PDFF=磁共振波谱-质子密度脂肪分数;L_pre和L_post分别表示平扫和增强CT图像上肝脏的平均HU值;L-S_pre和L-S_post分别表示平扫和增强CT图像上肝脏与脾脏平均HU值的差值 查看原图 ↗

基于CT衰减参数的CT衰减参数诊断肝脂肪变性的性能

容积L_pre、L-S_pre、L_post和L-S_post在MRS-PDFF ≥ 5%时的AUC分别为0.813、0.813、0.734和0.817;在MRS-PDFF ≥ 10%时的AUC分别为0.901、0.915、0.818和0.868(表2)(图3)。在MRS-PDFF ≥ 5%和 ≥ 10%时,L_post在各参数中AUC最低,在MRS-PDFF ≥ 5%时显著低于L_pre(p = 0.015)和L-S_post(p = 0.001)(补充表1)。然而,在MRS-PDFF ≥ 10%时,其AUC差异无统计学意义。

与基于ROI的参数相比,所有评估的基于容积CT衰减的参数均无显著差异(p = 0.228至0.911)(表2)。基于ROI的参数在MRS-PDFF ≥ 5%时,L_pre、L-S_pre、L_post和L-S_post的AUC分别为0.803、0.818、0.735和0.813;在MRS-PDFF ≥ 10%时,AUC分别为0.882、0.895、0.816和0.856。

表3列出了使用Youden指数确定的各容积参数预测MRS-PDFF ≥ 5%和 ≥ 10%的截断值。建议的L_pre和L-S_pre截断值分别为55.4 HU和1.2 HU,用于诊断MRS-PDFF ≥ 10%。这些截断值对应的灵敏度和特异度分别为:L_pre为85.7%和88.7%,L-S_pre为82.9%和90.8%。

表2 基于CT衰减参数诊断肝脂肪变性的诊断性能 查看原表 ↗
图3 显示基于容积CT衰减参数识别MRS-PDFF ≥ 5%(a)和 ≥ 10%(b)的受试者工作特征曲线下面积的图形。MRS-PDFF=磁共振波谱-质子密度脂肪分数 查看原图 ↗
表3 基于容积CT衰减参数的建议截断值的应用 查看原表 ↗

讨论

我们的研究表明,使用全自动分割工具获得的容积CT衰减测量值,特别是肝脏的平均HU值以及肝脏与脾脏之间的平均HU差值,在平扫和增强CT扫描中对检测和分级肝脂肪变性表现出良好的诊断性能。容积参数L_pre、L-S_pre、L_post和L-S_post与MRS-PDFF值呈正相关,在检测肝脂肪变性(定义为MRS-PDFF ≥ 5%)方面产生了良好的AUC值(分别为0.813、0.813、0.734和0.817)。此外,这些参数在识别中重度肝脂肪变性(定义为MRS-PDFF ≥ 10%)方面获得了更高的AUC值(分别为0.901、0.915、0.818和0.868)。容积参数的性能与基于ROI的参数相当,在MRS-PDFF ≥ 5%时AUC范围为0.735至0.818,在MRS-PDFF ≥ 10%时AUC范围为0.816至0.895。这一结果表明,自动化容积测量可以成为肝脂肪变性评估中劳动密集且耗时的手动ROI方法的可行替代方案。鉴于使用基于CT衰减参数进行筛查的兴趣日益增加,我们的研究结果支持全自动分割工具的适用性。

以往关于利用CT图像评估肝脂肪变性的研究已广泛探讨了手动感兴趣区(ROI)测量的肝脏CT值[8, 10, 11, 19]。此外,脾脏通常作为归一化的内部参考,探索肝脏与脾脏CT值之差或其比值作为肝脂肪变性的指标[8, 10, 20]。这解释了为何我们选择肝脏平均CT值以及肝脏与脾脏平均CT值之差作为本研究的容积参数。既往基于ROI的研究已证实,这些基于CT衰减的参数对肝脂肪变性具有良好的诊断效能,以病理学结果[8, 10, 11, 19]或质子密度脂肪分数(PDFF)[15, 21, 22]作为参考标准。然而,其效能因所针对的脂肪变性程度[11, 15, 20]或所采用的特定成像期相[11]而异。在本研究中,基于容积CT衰减的参数对磁共振波谱质子密度脂肪分数(MRS-PDFF)≥ 10%的效能略高于对MRS-PDFF ≥ 5%的效能。这一发现与既往基于ROI的研究[11, 15]以及CT在检测轻度肝脂肪变性方面敏感性有限这一公认认识[23]相一致。我们的研究还揭示,在增强CT中,非归一化参数(L_post)在识别MRS-PDFF ≥ 5%方面的效能显著劣于归一化参数(L-S_post)。相反,平扫参数L_pre和L-S_pre在MRS-PDFF ≥ 5%和≥ 10%方面表现出相当的效能,提示在平扫CT中归一化不太重要。然而,由于我们的研究仅使用了相同的kVp和扫描仪设置,CT衰减值可能受到kVp和扫描仪差异等因素的影响[24, 25]。因此,当从与本研究所用配置不同的扫描设置中收集数据时,即使对于平扫CT扫描,归一化也可能是必要的。我们的研究发现显示,L-S_post表现出与平扫参数相当的效能,意味着增强CT图像可用于肝脂肪变性评估,这与既往基于ROI的研究[11]一致。然而,这一结果应谨慎解读,因为增强CT上肝脏和脾脏的衰减测量可能受到扫描时机轻微变化的影响,即使在相同的门静脉期内亦然[8, 11],这给获得可重复的测量带来了挑战。

利用通过深度学习技术自动器官分割得出的参数进行肝脂肪变性评估目前是一个活跃的研究课题[14, 26–28]。这种方法得到了数据的支持,数据显示容积CT衰减测量与经过广泛验证的基于感兴趣区(ROI)的测量方法之间存在强相关性[14]。然而,尽管关于容积CT衰减诊断准确性的直接研究有限,我们的研究在提供基础性证据方面具有重要意义。最近的一项研究[14]显示,在平扫CT中,容积法和基于ROI的方法对肝脏HU值的测量具有极好的一致性,平均差异为2.7 HU。在我们的研究中,两种测量方法在平扫和增强CT图像中对肝脏和脾脏均显示出良好或极好的一致性。尽管如此,所有容积测量值均略低于基于ROI的测量值。这种差异可能归因于手动ROI放置选择的是相对均匀的区域,而容积测量则纳入了整个器官体积的数据。因此,在考虑联合或交替使用容积法和基于ROI的方法时需谨慎。此外,在基于自动分割的容积分析中,由于算法可能因图像采集和解剖变异等因素产生系统性误差,解读时需谨慎。实施质量控制和验证对于最大限度地减少这些误差至关重要。

本研究存在一些局限性。首先,本研究聚焦于潜在肝供体候选人群,其大多健康状况良好,这可能限制研究的普适性,尤其考虑到铁过载等合并症对CT衰减值的潜在影响。然而,选择这一特定纳入标准是为了回顾性评估器官分割衍生CT参数对肝脂肪变性的诊断价值,使用对这些受试者 readily available 的成熟参考标准——磁共振波谱质子密度脂肪分数(MRS-PDFF)。其次,所有纳入的CT扫描均遵循同一厂商的相同扫描方案。因此,需要涉及不同扫描设置和机器的进一步研究以确保这些发现的广泛适用性。第三,本研究采用横断面设计,未探索纵向随访的可行性。需要进一步研究以评估自动容积CT测量在具有重复CT数据的人群中纵向监测肝脂肪变性的效用。

总之,CT扫描中肝脏和脾脏的自动三维分割可提供基于容积CT衰减的参数,用于检测和分级肝脂肪变性,适用于平扫和增强图像。这种自动化方法有望成为手动基于ROI评估的高效替代方案,尤其在处理大规模队列人群时。

补充信息

以下是电子补充材料的链接。补充文件1(PDF 227 KB)

引用

  1. Yoo J, Joo I, Jeon SK, et al. Utilizing fully-automated 3D organ segmentation for hepatic steatosis assessment with CT attenuation-based parameters. Eur Radiol. 2024. PMID: 38393403. doi:10.1007/s00330-024-10660-4
  2. 全文:PMC11364604(PMC 开放获取,CC BY)https://pmc.ncbi.nlm.nih.gov/articles/PMC11364604/

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。