文献速递泌尿生殖腹部CT

光子计数CT单能重建下基于影像组学的六种肾结石光谱分析

Radiomics-driven spectral profiling of six kidney stone types with monoenergetic CT reconstructions in photon-counting CT.
PubMed 文献 · Eur Radiol · 2024-12-12

该离体研究纳入135枚经红外光谱定性的肾结石,在体模中行第一代双源光子计数CT扫描并生成40至190 keV单能重建,提取影像组学特征后用随机森林分类器区分六种结石类型;联合全单能重建的光谱驱动模型表现最佳,区分六种结石类型的AUC为0.95、测试准确率为0.81。

要点

  • 联合全单能重建的光谱驱动影像组学模型区分六种结石类型AUC 0.95、测试准确率0.81。
  • 40 keV单能重建单独建模AUC 0.85,仅次于联合模型。
  • 重要特征包括original_NGDTM_Strength与wavelet-LLH_firstorder_Variance。

核心结论

  • 该离体研究显示,基于光子计数CT多能光谱的影像组学分析可提高肾结石亚型的区分能力,联合模型优于各单一单能水平。

研究设计与样本

  • 离体体模研究,共纳入135枚肾结石,包括黄嘌呤、透钙磷石、碳酸磷灰石、胱氨酸、鸟粪石和尿酸结石,以红外光谱结果为参考标准。
  • 扫描设备为第一代双源光子计数CT(NAEOTOM Alpha,VA40,Siemens Healthineers),管电压120 kV,准直140×0.4 mm,旋转时间0.5 s,螺距0.8,Qr40内核,层厚1 mm。
  • 单能重建以40至190 keV、30 keV步长生成,影像组学特征按PyRadiomics标准提取,采用随机森林分类器并对每个单能重建、光谱后处理数据集及联合模型分别建模。

关键影像表现/征象

  • 在低能级尤其是40 keV时,不同结石类型的平均HU值差异明显,透钙磷石约1200 HU、黄嘌呤约250 HU;高能级下Original_Firstorder_Mean参数在各结石类型间无显著差异。
  • 无监督聚类热图显示各单能级下提取的影像组学参数无显著差异。

诊断标准与关键数值

  • 联合全单能重建的光谱驱动模型区分六种结石类型AUC为0.95,测试准确率0.81,训练准确率0.99。
  • 各单一单能重建AUC分别为40 keV 0.85、70 keV 0.82、100 keV 0.78、130 keV 0.74、160 keV 0.74、190 keV 0.66,光谱后处理(SPP)重建AUC为0.77。

临床应用与阅片要点

  • 联合多单能重建的光谱影像组学特征较单一单能级可更准确地区分六种肾结石类型。
  • 40 keV单能重建在单一能级中区分能力最好,AUC为0.85。
  • 特征重要性分析中original_NGDTM_Strength、wavelet-LLH_firstorder_Variance和original_glcm_Id对区分结石类型较为重要。

局限性

  • 135枚结石的样本量基于符合分析前标准的可用结石,数量略有限,但与已发表的类似研究相比处于可比范围。
  • 结石为离体扫描并置于体模容器中,提取的影像组学参数很可能与在体扫描存在不一致。
  • 影像组学特征不稳定性是临床推广的主要问题,涉及CT设备、扫描参数及分割方式等多种因素。
  • 影像组学评估因数据量大而难以复现,且常存在透明度不足的问题。
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:Eur Radiol. 2024 Dec 12;35(6):3120–30. doi: 10.1007/s00330-024-11262-w

引言

尿石症是一种常见的泌尿道疾病,伴有绞痛,且常合并输尿管梗阻及患侧继发性尿潴留[1]。年轻人和老年人均可受累,病因范围广泛,例如饮食习惯、遗传易感性及其他代谢性疾病和多种药物,例如抗病毒药物[2, 3]。

诊断的金标准是腹部低剂量、非增强计算机断层扫描(CT)成像[4]。根据结石的成分、大小和位置,有多种不同的治疗方式。为此,可采用保守治疗方法,如充分的镇痛治疗、增加饮水量和体育锻炼以及药物治疗(例如使用α受体阻滞剂)以促进结石自行排出[5]。对于不能自行排出的较大结石,采用侵入性操作,如输尿管肾镜检查、经皮肾镜取石术和体外冲击波碎石术[4, 6, 7]。对于易频繁形成结石的患者,可考虑多种预防方法,包括增加每日饮水量、调整饮食习惯,以及可能的特异性尿路结石预防治疗。尿石症的药物化学溶石疗法可在特定病例中适用,即结石的成分和大小提示其适合化学溶解。不同种类的结石,如尿酸结石或感染性结石,可能通过药物治疗溶解[8]。药物化学溶石疗法是一种个体化方法,取决于对结石成分、患者健康状况以及医学管理下结石溶解可能性的综合评估[9–14]。

为有针对性地调整预防或治疗方案,了解结石的化学成分至关重要。特别是草酸钙结石、磷酸钙结石、尿酸结石、感染性结石和胱氨酸结石较为常见。

既往已有关于利用双能计算机断层扫描(DECT)和低剂量CT检查对肾结石进行基于CT的成分分析的研究[13, 15, 16]。

此外,已有若干初步研究在CT检查及随后提取的影像组学特征中对肾结石及其成分进行了研究[10, 17]。

影像组学是医学图像分析中一个快速发展的领域,它通过深入研究医学图像中的像素级数据,超越了人类视觉检查的局限性[18]。其主要关注点是对感兴趣区域或体积内的各种指标进行量化,如纹理和形状特征。这种方法有望扩展医学成像的能力。借助庞大的数据库,这些特征变得可提取,提示有可能识别出可作为特定病理或不同结构特征标记的新特征。影像组学特征有潜力作为可靠的生物标志物,彻底改变医学成像。在肿瘤学领域获得初步关注后,这些特征现已在多个研究领域中发挥重要作用,包括泌尿放射学,在提升泌尿系结石管理等急性诊断流程方面展现出巨大前景[19–22]。然而,影像组学在临床实践中的应用受到成像特征可重复性和可比性相关挑战的制约[23–25]。在泌尿系统疾病的具体背景下,采用这些先进的成像生物标志物可显著提高对尿路结石病等疾病的诊断敏锐度。光子计数计算机断层扫描(PCCT)的出现在这方面具有革命性意义,其显著改善了特征稳定性——这是可靠区分结石类型的关键因素——从而为影像组学整合到常规临床工作流程奠定了基础[26]。

与传统依赖能量积分探测器的CT扫描仪不同,PCCT采用先进的光子计数探测器,能够测量单个X射线光子。通过区分X射线光子的不同能量水平,它可实现更优越的组织对比度并减轻图像伪影,从而提高诊断准确性。

PCCT的出现标志着医学成像的重大进步,特别是其能够在降低辐射暴露的同时通过区分不同能谱来提升图像质量。该技术为体内多能量成像和物质区分开辟了新途径,这对于泌尿系结石的精确分析和表征至关重要[27–31]。我们的离体研究旨在探究光子计数CT联合影像组学能否对不同类型泌尿系结石提供更准确、更精细的区分,尤其侧重于鉴别非尿酸结石类型。该方法旨在支持为患者开发无创、个性化的治疗策略。

材料与方法

研究设计

在这项基于体模的单中心研究中,共纳入135枚肾结石,包括黄嘌呤、透磷钙石、碳酸磷灰石、胱氨酸、鸟粪石和尿酸结石。结石类型及其成分事先在波恩德国泌尿系结石中心使用红外光谱(Paragon 1000PC,PerkinElmer)进行检测,并确立为金标准。本研究的详细工作流程见图1。结石使用数字卡尺进行手动测量。该数据集已就自动结石检测/分析以及体积/尺寸测量进行了分析,结果已发表于既往研究[32, 33]。

图1 所建立工作流程的流程图 查看原图 ↗

体模

离体CT检查在科布伦茨的联邦国防军中央医院进行,使用腹部体模(QSA-269,由QRM GmbH于2011年生产)。该体模适合用作人体仿真模型,以探索计算机断层扫描中扫描参数的影响。构成该人体仿真体模的材料旨在模拟人体腹部的X射线衰减特性,在120 kV时等效于软组织,约为35亨斯菲尔德单位(HU)。该体模具有直径为100 mm的标准钻孔,其规格包括总重量3.2 kg,尺寸为200 × 300 mm,高度为100 mm。图2显示了该体模的图像。

每次扫描过程中,将五枚尿路结石包裹在一段红肉中。然后将该组件热缩包装、真空密封,并置于腹部体模的中心位置,随后用水环绕以密切模拟 surrounding 人体解剖结构。

图2 体模的图像 查看原图 ↗

PCCT成像

结石使用第一代双源光子计数CT扫描仪(NAEOTOM Alpha,VA40,Siemens Healthineers)进行离体扫描。对于PCCT成像,采用以下参数:管电压120 kV,准直140 × 0.4 mm,旋转时间0.5 s,螺距为0.8的螺旋采集模式。图像使用Qr40卷积核重建,层厚1 mm。视野为359 × 359 mm²,矩阵为512 × 512。增量以0.7 mm重建。

PCCT图像分析

所有扫描的轴位图像使用软组织卷积核(Qr40)以1 mm层厚(增量1 mm)重建。数据以医学数字成像和通信(DICOM)文件格式导出并存储。PCCT扫描的单能重建使用Siemens的Syngo.via软件(版本VB60A_HF02)以30 keV为步长从40至190 keV创建。每枚尿路结石的分割由一名具有3年分割经验的临床放射科医生半自动完成,随后将分割和图像数据转换为神经影像信息技术倡议(NIFTI)文件格式,以便使用专用分割工具(MITK workbench,版本2021.10)进一步处理[34]。

放射组学特征提取

所制备分割的放射组学特征使用基于影像生物标志物标准化倡议定义的专用Python包(pyradiomics,版本3.0.1)提取,该包集成在定制构建的Docker容器(Docker Desktop;版本4.3.1,Docker,Inc.)中[35]。

放射组学特征按照PyRadiomics标准提取,包括一阶、二阶(GLCM、GLDM、GLSZM、GLRLM和NGTDM)、形状特征,以及高阶特征如小波和拉普拉斯高斯(LoG)滤波器。提取时进行体素归一化、重采样至2 × 2 × 2 mm,并以25 HU的固定箱宽进行重分箱。切比雪夫距离为1。

统计分析

使用R-Statistics(版本2023.03.0+386)进行聚类分析和箱线图,以探索放射组学在区分不同类型肾结石方面的潜力。此外,应用了基于Python的随机森林(RF)分类器。分类器每次使用从每个单能级提取的放射组学参数、光谱后处理(SPP)数据集以及将所有单能重建参数组合的联合光谱驱动模型方法进行训练。对于每个训练的分类器,相应数据集先前被分为训练组和测试/验证组。为优化其性能,采用网格搜索交叉验证的系统性超参数调优方法。该技术涉及穷举搜索指定的超参数网格,并使用交叉验证评估每个组合,以确定产生最佳性能的超参数集。通过利用该方法,我们旨在提高模型的预测准确性和泛化能力,确保分类任务的稳健性。

此外,提取重要特征以理解重要放射组学特征对更有效分类不同类型肾结石的贡献。随机森林计算叶节点处的预测值与之前节点处的预测值之间的差异,以获得每个特征的估计贡献。

结果

最终分析共纳入135颗肾结石。所检查的肾结石平均体积为0.15 mL。最长径平均为6.46 mm,最短径平均为3.52 mm。所检查的尿路结石包括19颗透钙磷石结石(14.1%)、34颗胱氨酸结石(25.2%)、31颗尿酸结石(23%)、20颗碳酸磷灰石结石(14.8%)、17颗鸟粪石结石(12.6%)和14颗黄嘌呤结石(10.3%)(表1)。将结石置于上述体模外壳中并在PCCT中进行扫描。体模扫描的平均辐射剂量为0.84 mGy(CDTIvol)和22.56 mGycm(DLP)。随后对结石进行半自动分割,并从不同单能重建中提取所有放射组学参数。图3显示了扫描结果,并展示了放射组学分析与光谱分析在区分不同肾结石类型方面的联合潜力。

在较低能级下,特别是在40 keV下以及在较小程度上在70 keV下,肾结石的平均CT值(HU)因其类型而存在显著差异。例如,透钙磷石和尿酸结石的HU值显著高于鸟粪石和黄嘌呤结石,在40 keV下透钙磷石平均约为1200 HU,黄嘌呤约为250 HU。然而,在较高能级下,各结石类型之间未观察到Original_Firstorder_Mean参数的显著差异(图4a)。

所显示的提取放射组学参数热图在无监督聚类中在所研究的各单能级之间未显示出显著差异(图4b)。

使用单个单能重建的放射组学参数、SPP重建以及结合所有重建单能级提取参数的光谱驱动联合方法进行随机森林分类器分析。联合方法表现最佳,AUC为0.95(40 keV表现次佳,AUC为0.85)。其他单能级以及SPP重建的准确性较低(70 keV的AUC为0.82,100 keV的AUC为0.78,130 keV的AUC为0.74,160 keV的AUC为0.74,190 keV的AUC为0.66,SPP的AUC为0.77)(图5)。区分不同结石类型的测试准确率为0.81,训练准确率为0.99(表2)。

在特征重要性分析中,若干放射组学参数被确定为区分不同肾结石类型的关键参数。值得注意的是,original_NGDTM_Strength、wavelet-LLH_firstorder_Variance和original_glcm_Id成为该区分的重要参数(图6)。

表1 所分析肾结石的描述性统计 查看原表 ↗
图3 不同肾结石类型的光子计数计算机断层扫描及其光谱分析和放射组学分析。A 模拟装置中各种泌尿系结石类型的PCCT扫描,展示了该技术的高分辨率成像能力。B 放射组学特征提取和机器学习算法的应用,突出了不同肾结石类型之间的区分 查看原图 ↗
图4 a 基于结石类型的原始一阶均值箱线图,按keV水平分组。b 无监督聚类热图,比较40 keV至190 keV不同肾结石类型的放射组学特征 查看原图 ↗
图5 不同单能重建、SPP重建以及联合模型的RF分类器结果 查看原图 ↗
表2 联合光谱驱动放射组学模型方法的随机森林分类器训练/测试准确率 查看原表 ↗
图6 特征重要性分析结果 查看原图 ↗

讨论

新的PCCT技术为提高医学影像诊断准确性提供了新的前景。在本研究中,我们展示了基于PCCT扫描不同单能重建的光谱驱动放射组学分析在离体环境中采用随机森林分类器区分不同肾结石类型的潜力。使用该算法,可以区分六种不同类型的肾结石,测试准确率为0.81,AUC为0.95。这种高准确率可通过结合多光谱信息实现(使用单一单能级放射组学参数训练的分类器准确率显著较低)。此外,我们的分析确定了若干对肾结石区分重要的放射组学特征。其中,Original_ngtdm_Strength特征尤其值得注意,因为已知它在纹理分析领域具有重要的解释价值,有助于对被检查物体的表面特征进行细致理解[35]。

关于肾结石自动检测已有若干研究。然而,这些研究使用了不同的目标变量和模态,需要进一步阐明。Leng等人在常规CT系统上基于两次连续空间配准的低能和高能扫描,展示了在区分尿酸(UA)结石和非尿酸(Non-UA)结石方面73.1%的灵敏度,并提出了首个将结石归类为上位组的区分模型[36]。此外,Primak等人使用双能计算机断层扫描(DECT)而非常规CT,在中型和大型体模中展示了100%的准确率,在超大体积体模中展示了93%的准确率。此外,他们通过获取置于猪肾内的结石图像来模拟体内情况[37]。然而,该研究同样仅区分UA与非UA结石,并未精确区分非UA结石。此外,所检查的结石总数相当有限(n = 40)。由于高数据集对于具有代表性的训练至关重要,我们分析了更大的样本量以确保结果具有更高的泛化性。

CT技术的演进,尤其是DECT的出现,为提升诊断精度和无创结石表征带来了新的机遇。结石大小的准确测量对于确定适当的干预措施至关重要,然而常规CT已显示出一定的变异性。研究表明,采用骨窗设置的多平面重建可提供最准确的大小测量,与肾脏结石的手动卡尺测量结果密切吻合。轴位图像,尤其是不同层厚的轴位图像,倾向于低估结石大小,可能影响临床决策。重要的是,研究发现基于模型的迭代重建(MBIR)等重建算法的影响可提高测量准确性,尤其是在使用锐利卷积核时[14]。

与此同时,DECT通过实现结石成分的无创区分,在结石评估方面呈现出重大进步。DECT利用两个不同的能级提供材料特异性衰减值,从而能够区分尿酸结石和非尿酸结石,这对于指导治疗策略至关重要。来自DECT的虚拟平扫图像已被证明在低碘诱导衰减水平(≤ 400 HU)下可提供与常规CT相当的检出率。然而,在更高衰减水平和更低辐射剂量下,结石检出率下降,尤其是对于较小的结石,这凸显了协议优化的重要性[38]。

另一个重要的进展领域是辐射剂量降低在CT成像中的作用。PCCT已展现出在保持优越图像质量的同时显著降低辐射剂量的潜力。与传统CT相比,PCCT显示出改善的信噪比和整体图像质量,能够以更少的辐射暴露可靠地检测肾结石。进一步降低剂量的潜力,尤其是超低剂量协议,使PCCT成为未来临床应用中有前景的工具[39]。

此外,将其分类为不同的结石类型(黄嘌呤结石、透磷钙石结石、碳酸磷灰石结石、胱氨酸结石、鸟粪石结石、尿酸结石和草酸钙结石)具有显著更高的诊断价值,最终可能使患者能够获得早期和靶向治疗[40]。因此,我们合理地将既往已描述的探究与我们的结果进行了扩展,并且还使用了最先进的放射学CT成像技术。Kaviani等人尝试进行更精细的区分,研究了草酸钙结石和尿酸盐结石的可区分性。利用单能CT的放射组学参数,他们证明了区分草酸钙结石和尿酸盐结石的AUC为0.78,敏感性为0.79[41]。放射组学区分结石类型的潜力在我们的研究中也得到了验证。我们能够显示出相当的敏感性,然而,多光谱PCCT扫描不仅能够区分钙结石和尿酸盐结石,还能分别区分六种不同的结石类型。

除了我们在本研究中应用的技术外,基于深度学习的方法在改善泌尿系结石检测的图像质量方面已显示出前景,尤其是在低剂量CT环境中。与滤波反投影和混合迭代重建等传统方法相比,基于深度学习的图像去噪技术(DLID)已被证明能显著降低图像噪声,并改善信噪比和对比噪声比。诸如Terzis等人的研究已表明,DLID在泌尿系结石检测方面达到了与MBIR相当的诊断准确性,同时显著降低了图像噪声[42]。

将深度学习模型整合到未来的结石检测应用中,可能在诊断性能和剂量降低两方面都具有优势,尤其是在需要超低剂量CT的环境中。这些方法可以补充光子计数CT,有可能在最大限度减少辐射暴露的同时增强肾结石类型的区分。

本研究存在一些需要说明的局限性。总共135枚不同的肾结石储存在体模容器中,基于符合分析前标准的合适结石的可获得性,样本数量略有限制。然而,与已发表的类似研究相比,样本数量处于可比范围。此外,肾结石并非在体内扫描,而是在离体条件下扫描,储存在体模容器中。在此,提取的放射组学参数很可能与体内扫描存在不一致。然而,由于体模外壳由肉和水组成,创建了合理可比的扫描环境。因此,我们在建立研究设计时针对这一局限性,尽可能模拟了具有代表性的离体环境。

此外,基于放射组学的方法在临床建立中的一个主要问题是众所周知的放射组学特征不稳定性问题,其中需要考虑许多不同因素,如CT设备、扫描参数,甚至分割执行的方式。既往研究已经表明,使用光子计数CT采集的扫描具有高度的特征稳定性[26]。

此外,由于数据量巨大,读者往往难以重现影像组学评估,而这些评估常常存在透明度不足的问题。为此,我们在本研究中聚焦于方法学方面以确保可重复性。

必须认识到,本研究利用光子计数CT(PCCT)所部署的方法学并不局限于肾结石表征。其潜力延伸至多个领域,例如区分不同的组织学肿瘤亚型或预测突变,类似于执行虚拟活检。例如,Tharmaseelan等人证明了传统CT-based影像组学特征结合机器学习能够辨别肝转移瘤来源于胰腺癌还是结直肠癌,其AUC为0.87,敏感性为0.67 [43]。鉴于PCCT更优越的空间分辨率、增强的纹理均匀性以及影像组学特征稳定性的提高,我们预期这些特性在未来基于PCCT的研究中有助于实现更高的敏感性 [44]。

结论

在本研究中,我们通过对PCCT扫描进行多光谱影像组学分析,能够区分六种不同类型的含尿酸和不含尿酸的肾结石,测试准确率为0.81,AUC为0.95。我们识别了若干与结石区分相关的影像组学参数。研究表明,这六种结石类型在低能量重建(尤其是40 keV)的平均密度方面存在差异,有时差异显著。该分析的离体工作流程通过结合创新的PCCT技术和基于影像组学的定量图像分析,有望通过无创区分结石类型来优化尿路结石或肾结石患者的治疗算法,并为进一步的体内研究开辟道路。

引用

  1. Hertel A, Froelich MF, Overhoff D, et al. Radiomics-driven spectral profiling of six kidney stone types with monoenergetic CT reconstructions in photon-counting CT. Eur Radiol. 2024. PMID: 39665989. doi:10.1007/s00330-024-11262-w
  2. 全文:PMC12081576(PMC 开放获取,CC BY)https://pmc.ncbi.nlm.nih.gov/articles/PMC12081576/

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。