利用图像质量迁移评估低场MRI癫痫病灶可视化增强:对发展中国家应用临床潜力的初步研究
本研究纳入12例难治性癫痫患儿,比较0.36T低场MRI、IQT增强图像与1.5T高场MRI的病灶显示,7名放射科医师盲法评分。IQT总体上改善了图像质量评估,但病灶定义评分在独立阅片时低于低场图像,且评估受医师对高场/IQT图像外观熟悉程度影响。作者认为IQT可能对无高场MRI地区的神经放射实践有重要影响。
要点
- IQT增强后T1w和T2w的灰白质分辨评分较低场分别提高26%和17%,但FLAIR较低场低12%。
- 独立阅片时IQT病灶定义评分较低场低8%–34%,并排比较时FLAIR和T1w反较低场高3%。
- 高场经验医师对IQT评分高于低场经验医师,后者对低场图像评分平均高7%–59%。
核心结论
- IQT总体上改善了图像质量评估,但病理评估受对高场/IQT图像外观熟悉程度的影响。
- 这些初步结果提示IQT可能对无高场MRI地区的神经放射实践有重要影响。
研究设计与样本
- 前瞻性纳入12例临床诊断为难治性癫痫的患儿(5至18岁,7男5女),于2019年6月至10月间在同一天行0.36T低场(MagSense 360,迈瑞,中国)和1.5T高场(Signa,GE Healthcare,美国)MRI。
- 两机均采集轴位FLAIR、T1w和T2w,平面内分辨率0.5 mm、层厚5 mm、层间距1 mm;1.5T另采集3D T1w作为解剖参考。
- IQT模型基于WU-Minn人类连接组计划或莱比锡心身情绪交互研究的高分辨率高场图像与合成低场图像对训练,骨干为各向异性U-Net,损失为平均体素均方误差,ADAM优化器,初始学习率10⁻³、衰减10⁻⁶,训练100轮。
- 7名放射科医师盲法评分,其中2名具5年以上高场儿科神经影像专长,5名主要为低场普通放射经验;以最有经验神经放射医师在高场图像上的诊断为参考。
- 评分采用1分(不可见)、2分(模糊)、3分(清晰)、4分(非常清晰),实验1独立呈现每组图像,实验2将三组图像并排呈现;采用Wilcoxon符号秩检验比较IQT与低场或高场的配对差异。
关键影像表现/征象
- IQT在非轴位平面视觉上明显改善图像外观,并轻度改善健康脑组织对比,尤其T1w。
- 多数高场可见病灶在IQT增强图像上较低场更清晰,如脑软化症和结节性硬化症病例。
- T1w上IQT的部分容积效应可使脑皮质显得增厚,3D可视化虽优于原2D图像但并非完全准确,可能对病灶识别产生负面影响。
- 训练集不含FLAIR,且仅含健康脑图像,可能解释FLAIR灰白质分辨评分偏低及病灶定义改善有限。
诊断标准与关键数值
- 实验1独立阅片时,IQT的灰白质分辨评分较低场T1w提高26%、T2w提高17%,FLAIR较低场低12%。
- 实验1独立阅片时,IQT病灶定义评分较低场FLAIR低8%、T1w低34%、T2w低19%。
- 实验2并排阅片时,IQT病灶定义评分对FLAIR和T1w较低场高3%。
- IQT与低场或高场在灰白质分辨及病灶定义上的差异均无统计学显著性,原文归因于样本量小。
临床应用与阅片要点
- IQT增强图像外观与低场和高场均不完全相同,独立阅片时诊断信心可能较低,并排对比可减轻该影响。
- 主要在高场工作的儿科神经放射医师对IQT评分高于主要低场工作的普通放射医师,后者对低场图像评分平均高7%–59%。
- 作者设想在低中等收入国家应用IQT时对所有放射医师进行专门培训,可能作为低中等收入国家与高收入国家交流项目的一部分。
- 作者计划未来在更大样本中比较低场与IQT图像病灶检出数量与高场金标准,并针对局灶性皮质发育不良进行聚焦分析。
局限性
- 样本量小(12例),IQT与低场或高场间的差异均无统计学显著性。
- 仅发现1个模糊病灶且多数异常在所有图像上均可见,未进行病灶检出准确性分析。
- 训练集仅含健康脑图像且不含FLAIR,可能限制病灶定义改善并影响FLAIR表现。
- 本研究为聚焦明显病理的初步概念验证研究,作者计划在更大样本中进一步研究。
- 作者指出将IQT扩展至不同病理需多项实验以合理设计训练集,且引入异常可能增加假阳性幻觉风险。
全文中译8 节 · 点击展开
引言
低场(LF,< 1T)磁共振成像(MRI)扫描仪在大多数低收入和中等收入国家(LMICs)中较为常见,主要原因是基础设施复杂性和成本限制了标准高场(HF,1.5或3T)扫描仪的使用。在高收入国家(HICs),由于便携式MRI扫描仪的最新技术进展,对低场MRI的兴趣也在显著增长[1]。
与高场相比,低场MRI固有的信噪比(SNR)较低,图像通常以较低分辨率采集以部分抵消这种信号损失[2]。组织之间的对比噪声比(CNR),特别是脑内灰质(GM)和白质(WM)之间的对比噪声比,通常也低于高场。SNR和CNR或分辨率的降低损害了低场MRI的诊断价值,尤其是对于小和细微病灶的检测和表征。
图像质量迁移(IQT)是一种机器学习框架,旨在从低质量图像中估计同一受试者在最先进扫描仪上本应获得的图像[3–5]。它最近被适配用于低场MRI的增强,目的是既提高输入低场图像在层方向上的空间分辨率,又增强组织之间的对比度,使其接近3T MRI的水平[6–8]。先前的工作在模拟图像和少数真实病例中显示了初步结果,但尚未研究这种质量改善对MR图像放射学评估的影响。
本文报告了7名放射科医生对12名癫痫患儿低场、高场和IQT增强低场图像的诊断质量进行盲法审阅和评分的首次临床评估结果。我们选择儿童癫痫作为本概念验证研究的应用场景,是因为其在LMICs中的相关性,以及癫痫常表现为细微病灶,这些病灶在低场下表征极具挑战性,但在癫痫手术背景下至关重要。目的是评估IQT是否能改善低场结构MRI的质量和病灶评估,以同一患者的高场扫描作为参考。
方法
MRI扫描
本研究纳入12名临床诊断为难治性癫痫的患儿(5至18岁,7名男性,5名女性)。他们在2019年6月至10月期间分别在低场0.36T MRI扫描仪(MagSense 360,迈瑞,中国)和高场1.5T扫描仪(Signa,GE Healthcare,密尔沃基,威斯康星州,美国)上进行了MRI扫描。在两台扫描仪上,均以轴位方向采集了液体衰减反转恢复(FLAIR)、T1加权(T1w)和T2加权(T2w)图像,平面内分辨率为0.5 mm,层厚5 mm,层间距1 mm,以反映低场扫描仪的常规采集方案;同时在1.5T上采集了3D T1w图像作为解剖参考。
图像预处理
所有图像均使用统计参数映射12(SPM12,功能成像实验室,伦敦大学学院,伦敦,英国)中的统一分割算法[9]进行脑提取,并在高级归一化工具(ANTs)中使用N4算法[10]校正偏置场伪影;T1w低频图像还在Matlab R2023a(MathWorks,纳蒂克,美国)中通过将每个层面与同一容积的一个中心层面进行直方图均衡化来校正串扰伪影。所有预处理后的图像均经过仔细审查,以确保未引入伪影或不当改变。
图像质量传递
IQT模型在成对的图像块上进行训练,这些图像块分别来自WU-Minn人类连接组计划[11]或莱比锡心-身-情绪交互研究[12]的高分辨率高频图像,以及通过对相应高频图像进行模糊、降采样和改变对比度以获得与真实低频图像的分辨率及典型对比度和信噪比相匹配的合成低频图像。IQT模型的主干使用各向异性(ANISO)U-Net[6],通过各向异性降采样和标准3D U-Net拼接路径中更深的层来实现单一方向上的超分辨率。损失函数为所有训练图像块对的平均体素均方误差;使用ADAM优化器,初始学习率为10⁻³,衰减为10⁻⁶,运行100个 epoch。更多细节见[8];Python代码可在https://github.com/hongxiangharry/Stochastic-IQT 免费获取。
将训练好的模型应用于轴位低频图像以获得IQT增强图像。本研究中采集的高频图像未用作IQT算法的输入,仅作为高频质量的参考用于后续评估。
放射学评估
所有图像均通过去除患者数据和扫描仪信息进行匿名化处理,使阅片者对所查看图像的场强不知情。图像被随机分配给7名阅片者,其中2名具有儿童神经影像学专业特长且经验超过5年,主要从事高场MR图像工作,另5名接受过普通放射学培训且经验主要涉及低场MR图像。
我们进行了两项实验,要求阅片者评估正常表现灰质(GM)与白质(WM)之间的区分度,以及评估致痫病灶(如存在)范围和边界的能力,评分为1(不可见)、2(模糊)、3(清晰)或4(非常清晰)。在第一项实验中,每位阅片者查看每位患者的一组图像(FLAIR、T1w和T2w),这些图像随机取自高频、低频或IQT增强低频采集,以评估每种单独呈现图像类型的诊断信心。在第二项实验中,将所有3组图像(高频、低频和IQT增强低频,每组均包括FLAIR、T1w和T2w图像)按随机顺序并排呈现给每位患者,以直接比较图像中的对比度和病灶显著性。对于每种图像类型和序列,评分在患者和阅片者之间取平均值,排除任何缺失数据(特别是病灶阴性扫描中的病灶评分)。对于病灶,以最有经验的神经放射学家在高频扫描上的诊断作为参考。
应用Wilcoxon符号秩检验评估IQT与LF或HF图像之间各评分的成对差异,分别针对T1w、T2w和FLAIR进行。
结果
患者的人口学信息及基于HF图像的参考诊断见表1。12例患者中有3例在HF上被认为是非病变性,其余9例有病变。由于本队列中仅发现1个细微病变,且大多数异常在所有图像上均可被所有阅片者看到,我们未对检出病变数量进行准确性分析,而仅评估其范围和定义(如上所述),以及灰白质(GM-WM)分化。
肉眼观察,IQT显著改善了非轴位平面的图像外观,如图1中冠状位和矢状位重建图像的代表性示例所示。它还略微改善了健康脑组织之间的对比度,尤其是在T1w图像中(图2)。在HF上观察到的大多数病变在IQT增强图像上比相应的LF图像更清晰可见,如图3所示的一例脑软化患者和图4所示的一例结节性硬化症患者。
在实验1中,当独立观看每组图像时,阅片者对IQT增强图像的GM-WM分化评分在T1w和T2w图像中高于LF但低于HF,相对于LF分别提高26%和17%。然而,IQT增强FLAIR图像的GM-WM分化比LF低12%,且所有图像上IQT的病变定义平均评分均低于LF或HF,相对于LF的平均差异在FLAIR、T1w和T2w图像中分别为8%、34%和19%(图5,A和B面板)。
然而,在实验2中并排评估3组图像时,IQT的所有病变定义评分均改善,在FLAIR和T1w图像中比LF高3%(图5,C和D面板)。GM-WM分化评分趋势与实验1非常相似。
IQT与LF或HF之间在GM-WM分化或病变定义评分上的差异均无统计学意义,可能由于分析的样本量较小。
我们还按阅片者在HF的儿科神经影像专业知识和在LF的一般放射学经验,分别分析了实验2中的评分。前者组对IQT增强图像的GM-WM分化评分在FLAIR中评为介于LF和HF之间,在T1w和T2w图像中甚至高于两者;病变定义在IQT增强图像中评为FLAIR和T2w介于LF和HF之间,T1w图像中略低于两者。另一方面,具有LF一般放射学经验的组对IQT增强图像的GM-WM分化评分在FLAIR中低于LF和HF,T1w中居中,T2w图像中略高于两者;所有图像上的病变定义均低于LF和HF(图5,E-H面板)。第二组阅片者倾向于给LF图像更高的评分(平均增加7-59%),而给IQT增强图像的评分相对低于第一组。所有个体和平均阅片者评分可作为补充材料获取(补充表1至11)。
讨论
在本研究中,我们从放射学角度研究了IQT对LF图像的增强作用,并显示与原始图像相比,对比度和病灶可视化有所提高。
第一篇介绍用于低频(LF)MRI的IQT实现的论文显示,无论是定性评估还是通过半定量放射学评估,IQT均能改善健康脑组织之间的对比度以及解剖MR图像(T1w、T2w和FLAIR)的空间分辨率,尤其是在层面方向上;特别是,非轴位方向上结构的可视化在IQT增强图像上的评分显著高于原始LF图像[8]。在此,我们将该分析扩展至正常和病理脑组织,并纳入了更多在儿童神经影像方面具有不同专业知识的放射科医生。
放射科医生对IQT增强图像给出的大多数评分高于LF图像,尽管低于相应的高频(HF)图像。这表明IQT可以提高在LF下采集的结构性脑图像的临床价值,尽管此处使用的实现尚未达到实际HF扫描的水平。
一个例外是FLAIR图像中的灰质-白质(GM-WM)分化,其平均评分低于LF。这种不理想的表现可能是由于训练集中的FLAIR图像与实验中使用的FLAIR扫描之间的对比度差异所致。HCP数据集可以说是可获得的最高质量的公共MRI数据集,我们从中收集了训练用的T1w和T2w图像,但遗憾的是该数据集不包含FLAIR。如果未来能够使用具有更合适图像对比度的大规模高质量FLAIR图像集合进行训练,我们预期IQT在FLAIR上的性能也会有所改善。
与GM-WM分化的良好表现相反,IQT增强图像的病灶定义评分通常更接近LF而非HF,这意味着只能实现适度但一致的改善。一种可能的解释是训练集仅包含健康脑部的图像。由于IQT是在相对较小的图像块上训练的,它学习的是HF图像中相邻体素强度之间的局部关系,我们假设这种关系从健康脑到病理脑至少在心癫痫的情况下具有足够的泛化能力。将异常纳入训练集可能有益,而对于以更剧烈方式改变脑部外观的疾病(如脑肿瘤),这可能是必要的。我们计划在未来检验这一假设;然而,应当注意,将异常引入训练数据可能会增加异常幻觉(即引入假阳性)的可能性,必须对此进行仔细评估和监测。因此,将IQT扩展至不同的病理类型将需要多项实验来妥善设计训练集。
目前基于健康数据的方法更可能在细微病灶(如局灶性皮质发育不良)上表现更好,这类病灶更需要IQT增强,而在更明显的病灶上表现较差,正如比较1.5T和3T病灶检测评分的研究所提示的,这些病灶从IQT增强中获益甚微[13]。在当前这项基于有限数据集的研究中,我们考虑了任何类型的致痫病灶(包括缺血性梗死、低血糖、创伤后瘢痕),其中许多在任何场强下都可能表现明显;这可能使我们未能体会到IQT对细微病灶的增强效果。在未来的更大样本研究中,我们计划对局灶性皮质发育不良进行聚焦分析。我们还计划通过将LF和IQT图像中检测到的病灶数量与作为金标准的高场强(HF)进行比较来评估病灶检测的准确性,这在低收入和中等收入国家(LMICs)中可能比评估病灶定义和范围更具临床相关性。
在评估增强图像时存在一个有趣的差异:当单独呈现时(灰白质(GM-WM)分化和病灶定义评分均低于LH和HF),与一起呈现时(介于LH和HF之间)相比有所不同。一种可能性是,IQT增强图像的外观比LF和HF图像更不熟悉,因此当单独呈现时,对其解读的诊断信心较低,导致评分较低。当与LF和HF对应图像一起呈现时,由于能够进行交叉比较,诊断信心的降低作为影响因素被减轻,从而对病灶可视化的相对质量做出判断。同样,我们观察到在具有HF经验的儿童神经放射科医生与主要具有LF MRI经验的放射科医生之间提供的评分存在差异,后者对LF图像给出较高评分,对IQT增强图像给出较低评分。这最可能反映了两组之间专业知识的差异。不习惯于观察HF图像的放射科医生可能需要一些额外的时间和培训,才能自信地从HF和类HF的IQT增强图像中提取信息。在IQT在LMICs的未来临床应用中,我们可以设想为此目的对所有放射科医生进行专门培训,可能作为LMICs与高收入国家(HICs)之间交流项目的一部分。为了使我们的方法更容易在临床环境中部署,我们还可以研究对训练集中的图像进行增强的可能性,以提高IQT模型的泛化能力并减少所需的预处理步骤,特别是脑提取。我们还将致力于改进IQT算法或对增强图像进行后处理,以校正伪影和对放射科医生来说可能看起来不自然的特征。
此外,在本研究中我们处理的是LF常规采集的厚层图像,以便能够与当前临床标准进行有意义的比较。然而,这种情况对IQT或超分辨率算法来说尤其具有挑战性;在未来的应用中,我们将测试不同的采集方案,以获得可能更适合作为IQT输入的图像,尽管这些图像对人类评估可能更差,例如具有更各向同性的空间分辨率、不同的信噪比(SNR)或对比度。
本概念验证研究聚焦于有限数量受试者中的明显病理,旨在为IQT在低场MRI中的相关性和适用性提供初步证据,这在资源匮乏环境中至关重要。在完成此项评估后,我们计划开展一项更大规模的研究,纳入更多受试者,同时接受低场(LF)和高场(HF)MRI检查,并由一组具有不同专业水平的放射科医生审阅IQT增强图像。在更大的人群中,我们预期能够分别分析不同的病变类型,并更好地理解当前用于低场MRI的IQT实施在哪些方面最能发挥作用以及应如何改进。
我们目前的结果表明,IQT可能成为增强低场MRI诊断能力的重要工具,并对低收入和中等收入国家的放射学实践产生影响,在这些国家低场扫描仪很常见,且便携式系统最近已被引入以增加成像的可及性[14–16]。IQT还可扩展到在此初步研究之外的其他临床应用中也作出贡献。
电子补充材料
以下是电子补充材料的链接。
补充材料1
引用
- Figini M, Lin H, D'Arco F, et al. Evaluation of epilepsy lesion visualisation enhancement in low-field MRI using image quality transfer: a preliminary investigation of clinical potential for applications in developing countries. Neuroradiology. 2024. PMID: 39240363. doi:10.1007/s00234-024-03448-2
- 全文:PMC11611997(PMC 开放获取,CC BY)https://pmc.ncbi.nlm.nih.gov/articles/PMC11611997/
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。