文献速递骨肌神经MR

基于矢状位MR图像的AI腰椎中央椎管狭窄分类与使用轴位图像的经验丰富放射科医师相当

AI-based lumbar central canal stenosis classification on sagittal MR images is comparable to experienced radiologists using axial images.
PubMed 文献 · Eur Radiol · 2024-09-20

本研究开发并验证了一种仅利用矢状位T2加权MRI的AI模型,自动定量测量并分类腰椎中央椎管狭窄(LCCS)。多分类模型与专家共识的加权kappa为0.86,二分类模型AUC为0.98、敏感度93%、特异度91%,性能与可阅轴位序列的经验丰富放射科医师相当。

要点

  • 多分类AI模型仅用矢状位MRI,与共识分级加权kappa 0.86,媲美有轴位图像的高年资医师。
  • 二分类模型AUC 0.98,敏感度93%、特异度91%;医师3和4特异度98%和99%、敏感度74%和54%。
  • 模型基于自动分割的椎管面积、前后径和脑脊液信号丢失的绝对与相对值,可解释性较好。

核心结论

  • 多分类与二分类模型仅使用矢状位MR图像,性能与同时拥有轴位序列的经验丰富放射科医师相当。

研究设计与样本

  • 回顾性研究,纳入2014至2019年荷兰Radboud大学医学中心1.5-T西门子MRI系统上因下背痛和/或神经根性腿痛怀疑LCCS的186例患者、683个椎间盘水平。
  • 由4名分别有27、25、15和14年经验的放射科医师独立标注,读者1和2对分级不一致的椎间盘水平进行二次共识阅读作为参考标准,采用Lee 4级分级系统。
  • 使用基于U-net的3D分割算法分割椎管和椎间盘,自动提取6个定量指标,训练多分类和二分类随机森林模型,采用十折交叉验证。

诊断标准与关键数值

  • 多分类模型与共识分级的Cohen加权kappa为0.86(95%CI:0.82-0.90),读者3和4分别为0.85(95%CI:0.80-0.89)和0.73(95%CI:0.68-0.79)。
  • 二分类模型(Lee 0-1级为无狭窄,2-3级为狭窄)AUC为0.98(95%CI:0.97-0.99)。
  • 在约登J指数确定的最佳阈值0.46下,二分类模型敏感度93%(95%CI:91-96%)、特异度91%(95%CI:87-95%),J指数0.84。
  • 读者3和4的特异度分别为98%和99%,敏感度分别为74%和54%。
  • 算法准确度0.93、阳性预测值0.84、阴性预测值0.96;读者3和4准确度分别为0.91和0.86,阳性预测值分别为0.94和0.97,阴性预测值分别为0.90和0.84。

临床应用与阅片要点

  • 模型可仅基于矢状位T2 MRI对所有椎间盘水平自动分类LCCS,有望减少对额外轴位成像的依赖并缩短报告时间。
  • 自动测量包括硬膜囊横截面积、前后径和脑脊液信号丢失的绝对值及相对于头侧邻近椎体中部测量的比值,其中脑脊液信号丢失对自动预测影响最大。
  • 模型仅评估中央椎管狭窄,不涵盖侧隐窝狭窄和椎间孔狭窄,这些病变对治疗决策重要但需另行评估。

局限性

  • 缺乏外部测试集验证模型,仅依赖一家医院的数据进行十折交叉验证可能限制结果的广泛适用性。
  • 数据集相对较小,可能限制泛化性,尤其在T12-L1或更高椎间盘水平。
  • 算法未涵盖常与LCCS相关的其他病变,如侧隐窝狭窄和椎间孔狭窄。
  • 仅依赖矢状位MR图像意味着轴位分辨率低于直接轴位采集图像,可能降低轴位测量的精度。
  • 未来研究应聚焦于在更大规模多中心数据集上测试算法,并纳入术后MRI扫描及不同医院不同MRI扫描仪的数据。
全文中译11 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 Sep 20;35(4):2298–306. doi: 10.1007/s00330-024-11080-0

引言

腰椎中央椎管狭窄(LCCS)是一种椎管变窄导致硬膜囊受压的疾病,可能引起下腰痛和放射性疼痛[1–3]。其在一般人群中的患病率为11%,最常见于老年患者[4, 5]。磁共振成像(MRI)主要用于诊断LCCS,因为它提供优异的软组织对比度,能够清晰区分椎间盘(IVD)、神经和骨性椎管[6]。已开发出Lee分级系统和Schizas分级系统等分级系统,以一致且可靠地对LCCS的严重程度进行分类[7–10]。此外,若干研究提出了针对不同LCCS严重程度的定量诊断标准及截断值[11]。利用定量测量为LCCS分类提供了更客观的方法,最大限度地减少了模糊性。然而,手动定量测量耗时较长,因此在常规临床实践中很少使用[7]。

尽管MRI在诊断LCCS方面有效,但其存在局限性。值得注意的是,MRI费用高昂且耗时较长,通常需要多个序列来获取不同椎体水平的轴位图像,且需与椎管正交。这可能导致某些椎体水平缺乏轴位图像,或所获图像与IVD不完全平行。因此,开发一种仅依赖矢状位图像即可评估所有水平LCCS的自动分级系统将是有益的。这样的系统将通过自动测量LCCS来简化诊断流程,减少报告时间,同时确保对疾病严重程度的客观且一致的评估。

已开发出若干深度学习系统用于自动分级LCCS,使用的方法包括卷积神经网络[12–16]。然而,采用神经网络进行LCCS分类在预测的可解释性和可解释性方面存在挑战。整合额外的自动定量测量可为分类过程提供进一步的见解。Bharadwaj等人最近的一项研究通过开发决策树分类器来预测LCCS分类,使用了硬膜囊与IVD横截面积之间的比值[17],从而解决了这一问题。然而,该分类器仅依赖于一项新颖指标,忽视了其他与LCCS已建立相关性的常规指标,如硬膜囊前后径和脑脊液(CSF)信号丢失[8, 18]。纳入这些指标可增强分类器的稳健性和全面性,更好地理解LCCS严重程度并支持临床决策。

本研究的目的是开发和验证一种新的LCCS分类算法。该算法基于3D分割自动提取与LCCS相关的定量指标,用于在腰椎矢状位MRI扫描上对LCCS进行分类。

方法

数据选择

腰椎MRI研究于荷兰拉德堡德大学医学中心收集。完整数据集包括所有根据MRI研究描述诊断为下背痛和/或神经根性腿痛患者的MRI研究,这些研究于2014年至2019年间在1.5-T西门子MRI系统上采集。本回顾性研究经机构审查委员会批准(IRB 2016-2275)。由于使用了回顾性去标识化MRI检查,获准豁免知情同意。

应用以下排除标准:根据放射学报告无腰椎中央椎管狭窄(LCCS)。排除通过纳入报告中含有“椎管狭窄”的MRI研究,并排除报告中含有“无椎管狭窄”或“无脊柱椎管狭窄”的MRI研究来执行。

不包含至少一个T2矢状位和一个T2轴位序列的研究。

因例如术后改变、转移瘤或图像质量差等原因而认为无法进行准确LCCS评估的研究。

这产生了1107项符合条件的MRI研究,从中随机抽取了一个子集。鉴于数据标注的劳动密集型性质,选择了200项研究的样本量。如果一名患者接受了不止一次MRI检查,则仅纳入最早的MRI研究以避免治疗后扫描。排除术后扫描的动机是瘢痕组织和金属伪影的存在常导致可见性受损,这可能显著妨碍准确的LCCS评估。所有200项MRI研究均由经验丰富的放射科医师(阅片者1和2(R1和R2))进行人工审查,以评估准确评价LCCS的可行性。随后,14项MRI研究被排除出分析:11项因术后改变被排除,1项因存在转移瘤被排除,1项因矢状位和轴位序列之间错位被排除,1项被误分类为腰椎采集。总共纳入来自疑似LCCS的不同患者的186项MRI研究,产生共312个不同椎体水平的轴位T2序列和186个矢状位T2序列(图1)。

根据CLAIM 2024(医学影像人工智能检查清单)指南[19],我们确保了整个研究的全面报告和透明度。对CLAIM 2024检查清单中每一项的详细依从情况记录于附录A。

图1 MRI研究选择流程图 查看原图 ↗

人工数据标注

所有MRI研究均由四名经验丰富的放射科医师独立进行人工标注:R1、R2、R3和R4,分别具有27、25、15和14年经验。LCCS的严重程度在轴位和矢状位图像上使用Lee等人描述的分类系统评估,0级为“无狭窄”,1级为“轻度狭窄”,2级为“中度狭窄”,3级为“重度狭窄”[8]。对于可用T2轴位图像中可见的每个椎间盘(IVD)水平,标注观察到的最高级别。此外,纳入包含椎间盘编号的正中矢状位图像以确保椎间盘的一致识别。

在个体阅片之后,R1和R2对所有他们 assigned 不同级别的IVD水平进行了第二次共识阅片。该共识阅片被视为金标准。分级过程在医学影像标注平台Grand-Challenge.org上执行。

对于二分类,共识阅读的分级被“二值化”。Lee 分级 0 和 1 被视为“无狭窄”的指示,分级 2 和 3 被归类为“狭窄”。

深度学习分割

采用一种现有的腰椎分割算法,该算法能够分割椎骨、椎间盘(IVD)和椎管,用于生成所需的分割掩膜 [20]。这种基于 U-net 的算法使用基于 3D 图像块的迭代方案,一次分割一对椎骨及相应的下位 IVD,以及图像块所覆盖的椎管部分 [20]。它在公开可用的多中心 SPIDER 数据集上进行了训练和验证,该数据集包括来自 218 名下背痛患者的 447 个矢状位腰椎 MRI 序列 [21]。在矢状位 T2 扫描中,报告的椎管和 IVD 分割的 Dice 评分分别为 0.92(SD 0.04)和 0.84(SD 0.10),检出率分别为 100% 和 98.7%。椎管的分割对应于解剖学上的硬膜囊。图 2 展示了自动生成的分割掩膜的示例。成功以及错误分割掩膜的更多示例可在附录 B 中找到。

图 2 展示了一项 MRI 研究及其自动生成的分割掩膜。a 描绘了一系列矢状位 T2 加权 MRI 图像中的正中矢状位切片。b 展示了 L4-L5 椎间盘水平的轴位切片。c 显示了从矢状位 MRI 序列重建的轴位视图,对应于图像 b 的水平 查看原图 ↗

自动测量

使用分割掩膜自动提取以下指标:硬膜囊横截面积(CSA),定义为在脊柱轴位视图上测量的硬膜囊横截面积(图 3)。CSA 以平方毫米表示,通过汇总椎管掩膜所有体素的表面积计算得出。

硬膜囊前后径(APD),以毫米表示,定义为椎管掩膜可能的最大前后距离(图 3)。

脑脊液信号丢失(FSL)通过确定倾斜轴位平面上椎管掩膜内所有 MRI 体素的平均信号强度来计算。

为准确执行这些测量,椎管的轴位视图应平行于该特定水平的 IVD。这是通过对每个 IVD 水平分别旋转和重采样 MRI 体积来实现的(图 4)。旋转和重采样 MRI 体积所需的 3D 空间角度通过使用主成分分析(PCA)[22] 对每个 IVD 拟合一个 3D 平面来确定。PCA 的第三轴垂直于该 3D 平面,用于确定 IVD 的角度。提取每个 IVD 的中间切片以及中间切片上方和下方的 20 个切片用于自动测量。在标准化切片厚度为 0.5 mm 的情况下,这等于每个 IVD 中心周围总共 2 cm 的范围。选择此范围是为了确保平均健康 IVD 完全包含在测量中,并且对于退行性病理 IVD,终板也被纳入。椎管分割最尾侧 15 mm 的测量被丢弃。这是基于该区域硬膜囊自然减小的尺寸,如果纳入可能会导致狭窄的假阳性。

对每个椎间盘(IVD),在垂直于椎管的全部40个轴位平面上量化三项指标(CSA、APD和FSL)。随后,仅使用最狭窄平面的测量值。最狭窄平面通过整合所有三项指标的累积排名系统确定。对每个指标分别对轴位平面进行排名,累积排名最低的平面被确定为最狭窄平面。仅该最狭窄平面的测量值用于LCCS分类。

对于上述三项指标中的每一项,均进行两种测量:绝对值 and 基于比值的值。纳入这些额外的相对指标是为了校正椎体节段之间的尺寸差异以及患者之间的解剖差异。比值在IVD水平测量值与相应的参考测量值之间计算(图4)。参考测量值取自每个IVD头侧相邻椎体的椎体中部水平。参考测量值的成角通过取两个相邻IVD成角的平均值计算。成角IVD平面及相应参考测量值的示例见图4。这些相对指标报告为rCSA、rADP和rFSL。

图3 自动生成测量的可视化,包括绿色所示的硬膜囊前后径(APD)和红色所示的硬膜囊横截面积(CSA) 查看原图 ↗
图4 所有测量成角的可视化。对每个椎间盘确定成角,绝对测量值从绿色体积中提取,仅利用该体积内最狭窄平面的测量值。随后将这些绝对测量值与头侧相邻的椎体中部测量值(由红线表示)进行比较,以得出相对测量值(基于比值的值) 查看原图 ↗

训练数据

总数据集包括来自186例疑似LCCS患者的683个IVD节段。对于每个IVD节段,数据集包括六项自动测量值以及作为标签的真实Lee分级。表1提供了整个数据集的全面概览。

表1 患者人口学与临床特征 查看原表 ↗

分类

在开发阶段,使用多种机器学习模型进行了实验,包括逻辑回归、决策树和随机森林,最终基于更优性能选择了随机森林。这些实验的结果见附录C。使用scikit-learn 1.3.2 [23]开发了两个随机森林分类模型,一个用于多分类,一个用于二分类。两个模型均通过十折交叉验证进行训练,采用90-10的训练-验证划分策略。二分类模型采用标准十折划分,而多分类模型采用分层十折划分以处理类别大小差异。

随机森林模型在执行随机网格搜索后选定的特定设置下进行训练。对于多分类,参数设置为每叶1个样本、208棵树、最大深度46;而对于二分类,参数设置为每叶23个样本、29棵树、最大深度72。

多分类模型以共识阅片分级作为标签、以六项指定指标作为特征进行训练。相反,二分类模型使用二值化的共识阅片分级以及相同的六项指标。为评估各单项指标对模型性能的影响,进行了消融研究。评估使用不同的特征子集进行,在每次迭代中故意省略某些指标。

统计分析

多分类随机森林模型相对于真实基准的性能使用Cohen二次加权kappa评分(κw)进行量化。一致性水平解释为:κw ≤ 0为“差”一致性,0.01–0.20为“轻微”,0.21–0.40为“一般”,0.41–0.60为“中等”,0.61–0.80为“显著”,0.81–1.00为“几乎完美”一致性[24, 25]。κw基于十倍交叉验证期间验证集的预测结果计算。计算R3和R4与共识阅片相比的κw,并用于比较模型性能与放射科医师性能。

所有二分类随机森林模型的性能使用受试者工作特征曲线下面积(AUC)进行评估。AUC值解释为:0.50–0.59为“失败”,0.60–0.69为“差”,0.70–0.79为“一般”,0.80–0.89为“良好”,0.90–1为“优秀”[26]。为计算该指标,将交叉验证期间验证折生成的概率预测与真实基准进行比较。类似地,将二值化的R3和R4分级与真实基准进行比较以计算灵敏度和特异度。这些指标作为基准用于比较二分类模型性能与放射科医师性能。不仅使用模型的最佳灵敏度和特异度(由Youden J指数[27]确定)进行比较,还使用了与两位阅片者性能相匹配的阈值下的灵敏度和特异度。最后,计算了算法(以Youden J指数为阈值)和两位阅片者的准确率、阳性预测值(PPV)和阴性预测值(NPV)。

结果

多分类随机森林模型的交叉验证得出平均κw为0.86(95% CI:0.82–0.90)。R3和R4分别获得κw评分0.85(95% CI:0.80–0.89)和0.73(95% CI:0.68–0.79)。算法、R3和R4的混淆矩阵见图5。

二分类随机森林模型交叉验证期间相对于二值化共识分级的平均AUC为0.98(95% CI:0.97–0.99)。在由Youden J指数最大化确定的最佳阈值0.46处分析模型性能,得出灵敏度为93%(95% CI:91–96%),特异度为91%(95% CI:87–95%),J指数为0.84。R3和R4分别获得特异度评分98%和99%,灵敏度评分74%和54%。表2显示了二分类模型在两位阅片者最接近匹配的灵敏度和特异度阈值下的灵敏度和特异度。图6显示了所有二分类模型的受试者工作特征(ROC)曲线,包括R3和R4的性能。最后,算法的准确率为0.93,PPV为0.84,NPV为0.96。相比之下,R3和R4的准确率分别为0.91和0.86,PPV分别为0.94和0.97,NPV分别为0.90和0.84。

为测试所提出模型中包含的各项指标的贡献,进行了一项消融研究。表3显示了当从训练数据中移除某些特征时,各种多分类和二分类模型的性能。

图5 多分类随机森林模型、阅片者3和阅片者4的混淆矩阵。结果与作为共识阅片的金标准进行比较 查看原图 ↗
表2 二分类模型与阅片者匹配的敏感性和特异性 查看原表 ↗
图6 所有采用不同输入指标的二分类模型的受试者工作特征(ROC)曲线。同时展示了阅片者3和4与共识比较的性能。CSA,横截面积;APD,前后径;FSL,流体信号丢失;AUC,曲线下面积 查看原图 ↗
表3 特征贡献 查看原表 ↗

讨论

本研究介绍了一种新的基于人工智能的算法,旨在仅使用矢状位腰椎MR图像即可在任何IVD水平准确分类LCCS。研究结果表明,其与专家放射科医师的共识几乎完全一致,该共识是使用矢状位和轴位MR图像共同评定的。多分类模型的Cohen加权kappa(κw)评分为0.86(95% CI:0.82–0.90),而二分类模型(0级和1级为“无狭窄”,2级和3级为“狭窄”)的敏感性为93%(95% CI:91–96%),特异性为91%(95% CI:87–95%)。与两位放射科医师的对比分析显示了令人信服的结果:多分类评分的κw评分分别为0.85(95% CI:0.80–0.89)和0.73(95% CI:0.68–0.79),而二分类评分的特异性分别为98%和99%,敏感性分别为74%和54%。最后,二分类模型的准确率为0.93,而R3和R4分别为0.91和0.86,PPV和NPV相当。这些发现强调了两种AI模型与放射科医师共识评分之间的显著一致性,证实了所提出方法的有效性。

既往研究专注于LCCS的检测和分级,采用了各种AI方法。其中许多研究依赖于不透明的黑箱模型,如卷积神经网络分类器,在多分类中κw评分为0.80至0.82,在二分类中AUC值为0.95–0.97 [12–16]。相比之下,我们的方法通过采用更易理解的方法学,使用定量测量同时需要更少的训练数据,从而强调可解释性和效率。通过利用这些测量指标,我们的模型提供可追溯的预测,增强了可解释性 [28]。

Bharadwaj等人开发了一种基于硬膜囊与IVD横截面积之比的决策树模型,以轴位MRI切片作为输入 [17]。其模型的κw为0.80(90% CI:0.76–0.82),低于我们的方法,后者仅使用矢状位MR图像。此外,我们的研究数据集中中重度LCCS分级的发生率更高,占28%的病例,而Bharadwaj的数据集中此类病例仅占15%。这凸显了我们方法在广泛的LCCS严重程度范围内的稳健性和适用性。

我们方法的一个显著优势是它利用了与腰椎管狭窄症(LCCS)相关的六种不同测量指标,即硬膜囊的绝对和相对表面积(CSA)、前后径(APD)以及信号强度(FSL)[11, 18]。这些测量指标虽然信息丰富,但费时费力,因此在临床环境中很少进行[7]。我们的算法可在腰椎任何指定节段自动执行这些测量。在纳入的指标中,FSL成为自动预测中影响最大的因素。尽管FSL在确定Lee分级中起着关键作用[8],并且已被证明在LCCS评估中有效[18],但据我们所知,尚无关于使用自动FSL测量进行LCCS分类的研究发表。这凸显了我们方法在推进LCCS诊断和管理方面的新颖性和潜在影响。

此外,通过仅使用矢状位腰椎MRI扫描作为输入,我们的算法可以在不需要轴位序列的情况下自动对所有椎体节段进行LCCS分类。在临床实践中,轴位序列以一定角度采集,使MR容积平行于椎间盘(IVD)。然而,当同一MR容积内包含多个IVD节段时,由于脊柱的自然曲度,使所有IVD实现平行对齐变得具有挑战性。我们的方法通过在3D中将MRI容积平行于分割的IVD对齐来应对这一挑战。这种提取IVD角度的方法已成功用于最近一项关于自动Cobb角测量的研究,其准确性可与人类读者相媲美[29]。

本研究存在若干局限性。首先,缺乏用于验证模型的外部测试集值得关注。仅依赖来自一家医院的数据进行十折交叉验证可能限制研究结果的广泛适用性。此外,尽管狭窄IVD节段的患病率与其他研究相比较高,但数据集规模相对较小,可能限制其泛化能力。尤其是在观察T12-L1 IVD节段或更高节段时。为确保算法的稳健性,应在更多数据上进行训练,这些数据应包括术后MRI扫描,并应来源于不同医院的不同MRI扫描仪。在本研究中,我们证明了这种新方法在当前数据集上是有效的。然而,未来研究应侧重于在更大的多中心数据集上测试所提出的算法,以确保其在不同患者群体和成像条件下的稳健性。

其次,尽管所提出的算法能够准确分类LCCS,但它并未涵盖其他常与LCCS相关的病理,如侧隐窝狭窄和椎间孔狭窄。鉴于这些病理在治疗决策中的重要性,准确评估这些病理至关重要。一种潜在的解决方案是开发一个模型,基于椎体和IVD分割掩膜测量神经椎间孔的宽度,这将需要进一步研究。

最后,仅依赖矢状位MR图像不可避免地意味着与轴位获得的MR图像相比,轴向分辨率较低。与从轴位MR图像获得的测量相比,这可能潜在地降低轴向测量的精度。然而,尽管存在这一局限性,我们的研究表明,较低的轴向分辨率仍足以进行准确的LCCS分类。

总之,本研究介绍了一种新颖的基于人工智能的算法,专为多分类和二分类LCCS分类而设计,其性能与经验丰富的放射科医生相当。通过整合自动定量测量,我们的方法不仅实现了高准确率,还增强了LCCS预测的可解释性和可追溯性,使其有别于不透明模型。所提出的算法有望成为一种有价值的工具,用于从矢状位T2 MRI扫描中自动进行LCCS评估,可能缩短报告时间并简化诊断流程。

补充信息

电子补充材料

引用

  1. van der Graaf JW, Brundel L, van Hooff ML, et al. AI-based lumbar central canal stenosis classification on sagittal MR images is comparable to experienced radiologists using axial images. Eur Radiol. 2024. PMID: 39299953. doi:10.1007/s00330-024-11080-0
  2. 全文:PMC11913898(PMC 开放获取,CC BY)https://pmc.ncbi.nlm.nih.gov/articles/PMC11913898/

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。