文献速递骨肌MR

健康志愿者冈上肌纤维结构弥散张量成像评估

Assessment of the supraspinatus muscle fiber architecture with diffusion tensor imaging in healthy volunteers.
PubMed 文献 · Insights Imaging · 2024-10-09

本研究在10名健康志愿者中建立并验证了一种基于3-T弥散张量成像(DTI)的低复杂度二维方法,用于测量冈上肌前部与后部的羽状角(PA)。结果显示前部冈上肌平均PA为15.6±2.1°、后部为10.7±0.9°,重测信度、读者间与读者内一致性ICC均为良好至优秀。作者认为该方法可能促进PA作为肩袖病理生物标志物的应用。

要点

  • DTI可在健康志愿者中测量冈上肌前、后部羽状角,前部约15.6°、后部约10.7°。
  • PA测量的重测信度、读者间与读者内一致性均为良好至优秀(ICC 0.804–0.955)。
  • 作者提出该低复杂度标准化方法可能促进PA作为肩袖病理生物标志物的应用。

核心结论

  • 基于DTI计算的冈上肌羽状角显示良好至优秀的重测信度、读者间一致性与读者内一致性。
  • 作者成功实施了一种高度标准化的冈上肌羽状角评估技术。

研究设计与样本

  • 前瞻性研究,纳入10名无肌肉损伤、肌肉疾病或肩部手术史的健康志愿者(5女5男,平均年龄32.0±4.7岁)。
  • 每位志愿者在同一侧肩部接受三次3-T MRI扫描(MAGNETOM Prisma,Siemens Healthineers AG,16通道肩线圈),扫描间隔7天,扫描时间为2023年5月至8月。
  • DTI序列采用刺激回波采集模式(STEAM,混合时间200 ms),沿64个方向采集,以3幅b=0 s/mm2图像为参考,成像平面沿冈上肌腱肌内部走行成角。
  • 由三名经过专科培训的放射科医生在盲法、随机顺序下于后处理图像上手动绘制前部与后部冈上肌ROI并测量PA。
  • 采用双向混合模型计算绝对一致性组内相关系数(ICC)评估重测信度、读者间与读者内一致性。

关键影像表现/征象

  • 冈上肌前部(ROIant)平均羽状角为15.6±2.1°,后部(ROIpost)为10.7±0.9°。
  • 纤维束成像显示冈上肌前部为双羽状排列、后部为更平行的「带状」排列,前部纤维束邻近肌腱处构型不同。

诊断标准与关键数值

  • ICC分级按Koo与Li标准:ICC>0.90为优秀,0.75–0.90为良好,0.50–0.75为中等,<0.50为差。
  • 重测信度ICC为0.856–0.945,读者间一致性ICC为0.796–0.955(摘要报告为0.863–0.955,原文此处数值表述不一致),读者内一致性ICC为0.804–0.955。

临床应用与阅片要点

  • 作者提出该低复杂度方法可能促进PA作为肩袖病理生物标志物的应用,并可能有助于早期识别病理。
  • 作者认为该方法在成像平面选择上高度标准化且整体复杂度较低,可能成为实际应用的候选方案。
  • 作者指出二维肌肉结构分析仅考虑与成像平面相交的部分肌束,与三维分析的测量结果可比性有限。

局限性

  • 研究在健康志愿者中进行,无法推断结果向肩袖撕裂患者的转化。
  • 样本量小,可能影响结果的可解释性,尽管MRI扫描重复三次以评估重测信度。
  • 二维肌肉结构分析仅考虑与成像平面相交的部分肌束,与三维分析测量结果的可比性有限。
全文中译10 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:Insights Imaging. 2024 Oct 9;15:241. doi: 10.1186/s13244-024-01800-x

引言

肩袖病变是老年人群中的重要健康问题,影响超过25%的60岁以上个体[1]。

近年来,使用各种先进成像技术对肩袖进行定量评估引起了人们的兴趣,目的是识别生物标志物以辅助肩袖撕裂后的手术治疗[2, 3]。据观察,羽状角(PA)对肩袖损伤后早期病理性肌肉改变(即脂肪浸润和肌肌腱回缩)敏感[4, 5],并可能有助于预测肩袖修复术后的结局[6]。超声是评估骨骼肌羽状角最常用的模态,被视为体内临床参考标准[7, 8]。然而,当前文献报道的冈上肌(SSP)羽状角值不一致,可能 due to 操作者依赖性以及因解剖限制而难以评估肌肉后部[9–11]。

在能够可视化肌肉结构的成像技术中,弥散张量成像(DTI)已被成功用于表征健康和病理性骨骼肌的微观结构[12, 13]。由于肌纤维的结构各向异性,可以计算弥散张量以揭示弥散的主方向(张量的第一特征向量),并提供关于弥散各向异性和弥散幅度的信息。这些数据进而有助于估计结构参数如羽状角[14–16],或通过整合相邻体素的信息,进行纤维轨迹的三维(3D)重建,即“纤维束示踪”。

然而,DTI仅近年来才被应用于肩袖[17, 18],且由于复杂的肌纤维组织和因信噪比不足导致的图像伪影,仍被认为具有挑战性,而信噪比高度受呼吸运动、颈肩部匀场引起的B1不均匀性、肺部附近B0伪影以及感兴趣区内磁敏感变化的影响。此外,尽管DTI作为研究工具已有二十年历史,但仍未在常规临床成像中实施。

因此,本研究的目的是开发一种低复杂度的二维(2D)方法,使用DTI测量冈上肌的羽状角,并评估其重测信度、读者间一致性和读者内一致性。

材料与方法

参与者

本前瞻性研究经当地机构审查委员会(瑞士苏黎世州伦理委员会)批准。在提供书面知情同意后,招募了十名无肌肉损伤、肌肉疾病或既往肩部手术史的健康志愿者,并收集了人口学数据。研究按照机构和/或国家伦理委员会制定的伦理标准以及1964年赫尔辛基宣言及其后续修正案进行。

MRI方案

MRI数据采集在3-T系统(MAGNETOM Prisma,Siemens Healthineers AG,埃尔朗根,德国)上使用专用16通道肩部线圈进行。MRI扫描于2023年5月至8月间进行,每位志愿者同一肩部共进行三次扫描,扫描会话之间分别间隔七天。每次检查均按照当地临床标准进行患者体位摆放。为规划扩散加权成像,在冠状斜位质子密度加权涡轮自旋回波DIXON序列的水-only图像上确定冈上肌(SSP)前束肌内腱的最大可见长度。图1展示了SSP肌肉的解剖结构,其由前部梭形部分和后部部分组成,前部具有双羽状纤维排列并包含主要腱,后部则具有更平行的“带状”排列[19]。平行于SSP腱方向的扩散加权成像沿64个方向[20, 21]进行,以三幅b = 0 s/mm²图像作为参考,使用单极受激发回波采集模式研究序列(混合时间:200 ms),采用单次激发平面回波成像读出。序列参数列于表1。

图1 示意图描绘右侧SSP肌肉在轴面冈上窝水平的解剖结构。冈上肌前部(SSPant)呈梭形,具有双羽状结构,含有一条长的肌内管状腱,该腱附着于大结节上面关节面的前部,且大部分位于肌肉后部(SSPpost)的浅层。SSPpost呈“带状”外观,纤维排列更为平行,广泛附着于大结节上面关节面的后部。C,锁骨;H,肱骨头;Sc,肩胛骨 查看原图 ↗
表1 成像协议的序列参数 查看原表 ↗

MRI分析

由涡流引起的畸变或生理运动导致的几何不一致性通过非刚性图像配准进行校正[22]。为此,所有其他图像均配准至第一幅b = 0 s/mm²图像。随后使用内部开发的Matlab脚本(R2020b,Mathworks,纳蒂克,马萨诸塞州,美国)处理图像以进行扩散张量拟合。接下来,在b = 0 s/mm²图像中定位SSP腱肌内最大可见长度所在的层面。PA通过将第一扩散张量特征向量投影至横断面成像平面并计算相对于SSP腱的角度来得出,该腱由一名经过专科培训的放射科医师(A.A.M.)在b = 0 s/mm²图像上手动勾画(图2)。随后由三名经过专科培训的放射科医师(A.A.M.、G.W.K.和S.S.G.)分析图像,他们对所有参与者数据设盲,并在专用工作站上以随机顺序阅片。每位阅片者在计算PA图上使用ITK-SNAP(v4.0.2)[23]在最大腱显示的相关层面上绘制两个徒手感兴趣区(ROI)。ROI分别环绕SSP前束和后束(以下称为ROIant和ROIpost),同时仔细排除周围结构和SSP腱本身。一名阅片者(A.A.M.)的PA测量在间隔三周后重复进行,以评估阅片者内一致性。

图2 采集和配准后,使用自行开发的Matlab脚本处理图像:首先,在b = 0 s/mm2图像上手动勾画SSP肌腱(箭头,A;白线,B),然后进行张量拟合。显示每个体素中第一特征向量的颜色编码方向,绿色表示前后方向,红色表示内外侧方向,蓝色表示上下方向(B)。获得与SSP肌腱(T)相关的2D PA的数学运算在C中可视化。第一特征向量(v)投影到横断面(vp),然后计算相对于SSP肌腱的角度。随后在PA图(D)中于SSP前部(ROIant)和后部(ROIpost)绘制自由手绘ROI(虚线)。图示为一名31岁男性受试者右肩斜轴面图像 查看原图 ↗

纤维束成像

DTI纤维束成像仅用于可视化目的,不是本研究的主要终点。一名示例受试者单个时间点的运动校正STEAM数据集在MRtrix3中处理[24]。估计掩模后,应用确定性张量算法进行纤维束成像。在每个流线步骤中,将扩散张量拟合到局部(三线性插值)扩散数据,轨迹由该张量的主特征向量确定。种子点随机设置,共生成100.000条流线,其中强制执行最小长度50 mm,角度截止值设置为20°。

统计分析

所有统计分析均使用SPSS(v29,IBM Corp.,Armonk,USA)进行。使用Shapiro–Wilk检验检验连续数据的正态分布。若数据呈正态分布,则以平均值 ± 标准差表示;若非正态分布,则以中位数及括号内范围表示。PA在检查时间点和读者间取平均值用于进一步分析。为评估DTI测量PA的重测信度、读者间一致性和读者内一致性,使用双向混合模型计算绝对一致性的组内相关系数(ICC)。结果根据Koo和Li [25]分类:ICC > 0.90:优秀;0.75–0.90 = 良好;0.50–0.75 = 中等;< 0.50 = 差。p值低于0.05的α水平被认为显著。

结果

参与者

十名受试者的平均年龄为32.0 ± 4.7岁(五名女性;体重指数23.0 ± 2.6 kg/m2)。十名志愿者中有八名报告参与休闲体育活动,而四名参与者提到过去参与竞技体育(足球:n = 3,排球:n = 1)。解剖MRI序列的定性图像分析未发现偶然发现或病变。

定量图像分析

前部SSP的平均PA为15.6 ± 2.1°,而后部勾画的ROI(ROIpost)的PA为10.7 ± 0.9°。每位阅片者和每次检查 session 在MRI中获得的个体测量值可见表2。PA显示出良好至优秀的重测信度(ICC:0.856–0.945)。阅片者间一致性为良好至优秀(ICC:0.796–0.955)。同样,阅片者内一致性的ICC范围为良好至优秀(ICC:0.804–0.955,表3)。一幅带有颜色编码纤维束成像流线的轴位切面图描绘了前部SSP肌束中纤维束的不同构型(图3)。

表2 在源自MRI的PA图中,对前部(ROIant)和后部(ROIpost)手动勾画的两个ROI的PA测量值 查看原表 ↗
表3 在源自MRI的PA图中,对前部(ROIant)和后部(ROIpost)手动勾画的两个ROI的PA测量值 查看原表 ↗
图3 一名37岁男性志愿者的右肩轴位STEAM DTI切面,带有颜色编码的纤维束成像流线。SSP肌的双羽状前部(实心箭头)呈现邻近肌腱处不同的纤维束构型(实心箭头和空心箭头) 查看原图 ↗

讨论

在本研究中,开发并验证了一种从DTI推导SSP肌PA的方法。所提出的方法表现出良好至优秀的重测信度、阅片者间一致性和阅片者内一致性。

第一个主要发现是,用DTI方法测量的SSP的PA处于文献[8–11]所述范围内,而后者取决于肌肉内的确切解剖定位[9]。本研究测量了前部和后部的PA(分别约为16°和约11°),其中前部SSP略高于Kim等人的尸体研究,该研究报告前部和后部SSP肌中部的平均值分别约为12°[9]。这可能是因为其研究中检查标本的年龄高于我们的在体人群(平均年龄分别为62岁 vs 32岁),因为已知PA会随年龄增长生理性降低[26]。

本研究以二维方式根据相对于肌内肌腱的主特征向量计算前部SSP肌束的PA,Bolsterlee等人[15]和Takahashi等人[27]也描述了这一方法。与我们的研究不同,这些作者使用了反映三维空间中肌细胞取向的DTI纤维束成像框架[15, 18, 27]。我们承认,二维肌肉结构分析仅考虑了与成像平面相交的一部分肌束。因此,由于肌束在肌肉内形成高度可变且复杂的结构,这些分析与从三维分析获得的测量值可比性有限。然而,由于其在成像平面选择方面的高度标准化以及总体较低的复杂性,本研究使用的方法相较于当前文献中的方法具有显著优势,这一点得到了该方法良好至优秀的重测信度、阅片者间一致性和阅片者内一致性的佐证。这可能使其成为实际应用中一个有前景的替代方案,因为DTI肌肉纤维束成像和PA测量已被研究至少二十年,但尚未走出研究领域进入临床常规[12]。

此外,MRI衍生的PA测量值的ICC超过了Kim等人研究报告的值,该研究中作者使用超声测量SSP肌肉的PA [9]。这可能是由于操作者对超声测量的依赖性所致:由于检查过程中探头角度和施加压力的差异,PA测量值被报道容易产生误差,尤其是在肩袖肌肉中 [7, 28]。

本研究并非没有局限性。首先,应当指出本研究是在健康志愿者中进行的,这妨碍了将我们的结果推及肩袖撕裂患者的任何推论。其次,本研究受限于样本量较小,这可能影响结果的可解释性,尽管MRI扫描重复了三次以评估重测信度。

结论

我们提出了一种新颖的低复杂度框架,采用高度标准化的方法使用DTI测量SSP肌肉的PA。观察到良好至优秀的重测信度、读者间一致性和读者内一致性。随着定量生物标志物越来越多地用于评估肩袖病理,我们的方法可能具有临床转化潜力,以补充定量肩部MRI的全面评估。

引用

  1. Marth AA, Sommer S, Kajdi GW, et al. Assessment of the supraspinatus muscle fiber architecture with diffusion tensor imaging in healthy volunteers. Insights Imaging. 2024. PMID: 39382624. doi:10.1186/s13244-024-01800-x
  2. 全文:PMC11464712(PMC 开放获取,CC BY)https://pmc.ncbi.nlm.nih.gov/articles/PMC11464712/

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。