心肌T1与T2定量成像中影像组学特征的可重复性
前瞻性纳入50名健康志愿者,同日行两次1.5 T心脏磁共振,采集短轴与四腔心T1、T2 mapping(T1含标准与高空间分辨率),手动勾画左心室心肌后提取100个影像组学特征,以ICC评估重测可重复性;共识别出T1 mapping 15个、T2 mapping 12个在不同切面方向与空间分辨率下均达良好至优秀可重复性的特征,作者推荐将这些特征用于后续心肌T1、T2 mapping影像组学研究。
要点
- T1 mapping短轴标准分辨率下,100个特征中6个优秀、29个良好、19个中等、46个差(ICC分级)。
- T2 mapping短轴下6个优秀、25个良好、23个中等、46个差,GLCM类无一达良好或优秀。
- 跨切面方向与分辨率稳定:T1 mapping 15个特征(6类)、T2 mapping 12个特征(5类)ICC>0.75。
核心结论
- 识别出一组不依赖切面方向和空间分辨率、具有良好至优秀可重复性的影像组学特征,作者推荐将其用于心肌T1、T2 mapping的进一步影像组学研究。
研究设计与样本
- 前瞻性研究的post-hoc分析,纳入50名无心血管疾病健康志愿者(29女、21男,平均年龄39.4±13.7岁),同日行两次1.5 T心脏MRI(Avanto Fit, Siemens Healthineers),间隔至少20 min。
- 采集短轴基底、中间、心尖三个层面及四腔心长轴T1、T2 mapping;T1采用MOLLI 5(3)3序列,分标准分辨率(1.9×1.9 mm)与高分辨率(1.4×1.4 mm)。
- 由一名放射科医师在原始源图像上手动勾画左心室心肌(ITK-SNAP 3.8.0),刻意剔除心内膜下和心外膜下薄层以避免误含血池或心外膜脂肪。
- 用pyradiomics 3.0.1等提取7类共100个影像组学特征:一阶特征、二维形状特征、GLCM、GLSZM、GLRLM、NGTDM、GLDM。
- 以ICC(Shrout和Fleiss定义,双向随机效应模型,Pingouin ICC type 2)为主要重测可重复性指标并计算95%CI,辅以CCC和Pearson相关系数r。
诊断标准与关键数值
- ICC分级标准:<0.50为差,0.50–0.75为中等,0.75–0.90为良好,>0.90为优秀。
- T1 mapping短轴标准分辨率(1.9×1.9 mm)下:优秀6个、良好29个、中等19个、差46个特征。
- T2 mapping短轴下:优秀6个、良好25个、中等23个、差46个特征。
- T1 mapping中至少55.5%的二维形状特征达优秀或良好;NGTDM仅0–20%、GLCM仅9.1–18.2%达优秀或良好。
- T1 mapping短轴良好至优秀32个特征(7类)vs 四腔心16个特征(6类);短轴标准分辨率35个、四腔心标准分辨率26个、短轴高分辨率40个、四腔心高分辨率22个。
临床应用与阅片要点
- 作者推荐将T1 mapping中15个(6类)、T2 mapping中12个(5类)在所用切面方向和空间分辨率下ICC均>0.75的特征用于进一步影像组学研究。
- 短轴视图的可重复特征数多于四腔心长轴视图,作者推测可能与心肌纤维相对成像平面的方向或短轴环形ROI与四腔心U形ROI的几何形状有关。
- 空间分辨率上未见 favoring 标准分辨率或高分辨率的明确趋势,作者认为临床心脏MR所用的标准分辨率对影像组学分析可能已足够。
- 作者指出本研究为同一扫描仪、相同设置下的两次相同检查,临床中常在不同扫描仪和成像参数下检查,可重复性可能更有限;已有归一化方法被开发并显示可提高影像组学分析的稳健性。
局限性
- 本研究为前瞻性研究的post-hoc分析。
- 仅在单一1.5 T扫描仪(Avanto Fit, Siemens Healthineers)上以相同设置行两次相同检查,作者指出临床中常使用不同扫描仪和成像参数,可重复性可能更有限。
全文中译19 节 · 点击展开
引言
心脏磁共振成像(MRI)定量映射序列可用于心肌组织的定量表征[1]。心肌弛豫时间反映心肌肌肉细胞及周围细胞外间隙的生物物理特性。因此,定量T1或T2弛豫时间有助于诊断影响心肌的病理改变。心肌弛豫时间改变可由纤维化、炎症、水肿或贮积性疾病引起[2]。
除评估整体或区域平均T1和T2弛豫时间外,放射组学特征已被用于从心肌T1和T2映射图中提取详细的定量信息。放射组学特征本质上是从放射学图像中分割的兴趣区(ROI)提取的数值数据,可捕捉图像纹理、形状、强度和模式等多方面信息,并可能作为心肌疾病的影像生物标志物[3, 4]。心肌原生T1映射的放射组学分析已被用作多种心脏疾病的诊断和预后生物标志物。T1映射放射组学特征已被研究作为诊断生物标志物,用于诊断心肌炎[5]、表征扩张型心肌病的细胞外基质[6]、对肥厚型心肌病基因型[7]和表型[8, 9]进行分类、区分肥厚型心肌病与高血压性心脏病[10, 11]以及鉴别心脏肿瘤与血栓[12]。作为预后生物标志物,T1放射组学特征已被建议用于预测扩张型心肌病的临床病程[13, 14]、系统性红斑狼疮中的心力衰竭[15]、心肌梗死后功能恢复[16]以及肺动脉高压的治疗反应[17]。T2映射图放射组学分析的应用主要集中在急性和慢性心肌炎的诊断[5]。
诊断或预后意义的基本前提是测量结果的可重复性。尽管放射组学特征的可重复性已受到广泛关注[18–20],并已在心脏电影序列中进行了研究[21],但关于心肌T1和T2映射中放射组学特征可重复性的数据非常有限。此前仅有一项研究专门探讨了心肌T1和T2放射组学的可重复性,发现仅有小部分心肌放射组学特征具有可重复性[22]。该既往分析侧重于特征类别的整体表现,而非单个特征。切片方向(短轴位与长轴位)和空间分辨率的影响也未进行研究。
因此,本研究的目的是系统分析心肌原生T1和T2映射中单个放射组学特征的可重复性。
材料与方法
患者选择与研究设计
我们对一项前瞻性研究的数据进行了事后分析,该研究纳入了50名无心血管疾病的健康参与者(29名女性,21名男性,平均年龄39.4 ± 13.7岁)。平均BMI为23.9 ± 4.0 kg/m2,平均心率为72 ± 10次/分,所有参与者均接受了两次相同的心脏MRI检查。人口学参数分布见补充图1。所有MRI检查均在1.5-T MRI扫描仪(Avanto Fit Siemens Healthineers)上完成。成像方案及T1映射图创建过程的详细信息已于此前发表[23]。
伦理批准与知情同意
本研究经机构审查委员会(罗斯托克大学医学中心伦理委员会)批准,所有志愿者在入组前均获得书面知情同意。本研究符合《赫尔辛基宣言》(2013年修订版)的伦理指南。
图像采集
每位志愿者在同一天接受两次MRI检查,两次检查之间至少间隔20分钟。所有MRI检查均在1.5-T MRI扫描仪(Avanto Fit,Siemens Healthineers)上进行。对于T1和T2 mapping,在左心室的基底段、中间段和心尖段位置采集三个短轴(SAX)层面。此外,在四腔心切面(4Ch)进行长轴T1和T2 mapping。对于T1 mapping,使用标准MOdified Look-Locker反转恢复(MOLLI)5(3)3序列,并以两种不同的空间分辨率采集:标准分辨率为1.9 × 1.9 mm像素大小,高分辨率为1.4 × 1.4 mm像素大小。成像方案的进一步细节已在先前发表[23, 24]。
图像处理
由一名放射科医师使用开源软件(ITK-SNAP,版本3.8.0)在所有mapping数据上手动分割左心室心肌。分割在原始源图像上进行,而非扫描仪生成的图。我们有意排除心肌的一层薄的心内膜下和心外膜下层,以避免在分割中不慎将左心室血池或心外膜脂肪纳入的风险。
影像组学特征提取
使用开源Python软件包(pyradiomics,版本3.0.1,SimpleITK 2.0.2,numpy 1.21.5)对T1和T2 mapping数据的所有分割提取左心室心肌的影像组学特征。我们分析了软件提供的所有100个影像组学特征,来自以下七个特征类别:一阶特征、形状特征(2D)、灰度共生矩阵(GLCM)特征、灰度大小区域矩阵(GLSZM)特征、灰度游程长度矩阵(GLRLM)特征、邻域灰度差矩阵(NGTDM)特征和灰度依赖矩阵(GLDM)特征(表1和补充材料)。
统计分析
根据Shrout和Fleiss的定义[25],使用组内相关系数(ICC)作为主要参数评估重测重复性。该标准代表特征的稳健性,因而代表可重复性[26]。对于所有影像组学特征,ICC以95%置信区间计算,采用双向随机效应模型,针对两种测量的模型。数值ICC值的解释如下:< 0.50:差,0.50–0.75:中等,0.75–0.90:好,> 0.90:优秀[27]。
为进一步评估可重复性,我们使用了一致性相关系数(CCC)[28, 29]。计算Pearson相关系数r以衡量两种测量之间的线性关系。
所有特征的详细结果以标准分辨率和短轴方向呈现为表格,因为这些可被视为临床标准。我们还进一步分析了长轴T1和T2 mapping(4Ch)以及高分辨率T1 mapping的结果。对于这些设置中的每一项以及七个特征类别中的每一类,具有优秀、好、中等和差可重复性的特征数量以堆叠条形图可视化。
我们进一步旨在识别出一组影像组学特征,这些特征无论图像方向和空间分辨率如何,均具有良好至优秀的可重复性。对于T1 mapping,我们确定了在所有四种序列变体(短轴和长轴视图以及标准和高空间分辨率)中均表现出良好至优秀可重复性(ICC > 0.75)的特征交集。对于T2 mapping,我们确定了在短轴和长轴视图中具有良好至优秀可重复性(ICC > 0.75)的特征交集。所得出的稳健影像组学特征选择根据其在所有 inhabited 特征集中的ICC值进行可视化和颜色编码。对于这些特征,我们进一步分析了女性和男性参与者之间以及年轻和年长参与者之间其数值的差异。为此,测量值按性别和年龄组进行聚类,然后确定每个特征在两次运行中的均值。使用非参数Mann–Whitney U检验来检验性别或年龄特异性差异。
统计分析使用Python(3.12.3)库进行:Scipy 1.10.1用于Pearson相关系数,Pingouin 0.5.4用于ICC,以及Seaborn 0.12.2用于热图绘制(图2、3、5和6),Matplotlib 3.9.2用于条形图(图1和4)。在Pingouin库中,使用了ICC类型2(单随机评分者)。
结果
T1 mapping中影像组学特征的可重复性(标准设置)
以标准(1.9 ×1.9 mm)平面内空间分辨率在短轴方位采集的T1 mapping被视为临床标准。对于该设置,各特征类别中所有影像组学特征的可重复性见补充表2–8(补充材料),按其稳健性降序排列。我们观察到影像组学特征的可重复性存在显著差异。在所有特征类别中,6个特征的可重复性为优秀,29个特征为良好,19个特征为中等,46个特征为差。在每个特征类别内,单个特征的可重复性高度可变,所有特征类别的可重复性均从差到良好或优秀不等。
虽然我们使用ICC作为可重复性和稳健性的主要参数,但CCC和Pearson相关系数r的结果显示,单个影像组学特征的稳健性结果非常一致。
图像方位和空间分辨率对T1 mapping中影像组学特征可重复性的影响
整个T1评价的汇总结果以堆叠条形图的形式总结于图1。这些图表显示了每个特征类别以及所研究的每种T1 mapping技术变化(标准和High spatial resolution下的短轴和4Ch)中具有优秀、良好、中等和差稳健性的特征百分比。
与切面或分辨率无关,2D形状特征的可重复性最高,该类中至少55.5%的特征显示出优秀或良好的可重复性。稳健性最差的特征类别为NGTDM和GLCM,该类中分别有0–20%和9.1–18.2%的特征显示出优秀或良好的可重复性。
所有特征的性能见图2(所有切面和所有分辨率),图3更详细地展示了在四种序列变化(短轴和长轴切面,以及标准和High spatial resolution)中至少一种情况下显示出良好至优秀可重复性的特征。总体而言,影像组学特征在短轴切面(SAX)中的可重复性优于4Ch:短轴T1 mapping中有来自7个类别的32个特征显示出良好至优秀的可重复性,而4Ch中仅有来自6个类别的16个特征(图3)。具有良好至优秀可重复性的特征数量分别为:SAX和标准分辨率为35个,4Ch和标准分辨率为26个,SAX和高分辨率为40个,4Ch和标准分辨率为22个,图3)。
T1 mapping中最稳健影像组学特征的选择
我们进一步确定了在所有四种序列变体(短轴和长轴视图,以及标准和高空间分辨率)中表现出良好至优秀可重复性(ICC > 0.75)的特征的交集。这一特别稳健的特征子集在图3中以粗体显示。在该分析中,我们从6个类别中识别出15个特征,这些特征在两种空间分辨率以及短轴和长轴视图中均表现优秀或良好。
对于这些特征,我们进一步分析了女性与男性参与者以及年轻与年长参与者之间在其数值上的差异,见补充表9和10(补充材料)。除球形度外,所有选定特征在男性和女性之间均显示出显著差异。对于年龄,除2个形状特征外,未观察到显著差异,这可能受到老年组中女性比例较大的混杂影响。
T2 mapping中影像组学特征的可重复性(标准设置)
以短轴方向采集的T2 mapping被视为临床标准。对于该设置,每个特征类别中所有影像组学特征的可重复性见补充表11–17(补充材料),按其稳健性降序排列。T2 mapping中影像组学特征的可重复性也观察到显著差异。在所有特征类别中,6个特征的可重复性为优秀,25个特征为良好,23个特征为中等,46个特征为差。在大多数特征类别内,单个特征的可重复性范围从差到良好或优秀。
图像方向对T2 mapping中影像组学特征可重复性的影响
2D形状特征最具可重复性,该类别中77.7%(SAX)和33.3%(4Ch)的特征显示出优秀或良好的可重复性。所有其他特征类别的可重复性非常有限,≤ 50%的特征(SAX)和≤ 25%的特征(4Ch)显示出优秀或良好的可重复性(图4)。
所有特征在两种视图中的表现见图5。值得注意的是,GLCM特征类别中没有任何特征在T2 mapping中显示出良好或优秀的可重复性。图6更详细地展示了那些在至少一种视图中表现出良好至优秀可重复性的特征。总体而言,影像组学特征在SAX中的可重复性优于4Ch:短轴T2 mapping中来自6个类别的31个特征显示出良好至优秀的可重复性,而4Ch中来自5个类别的14个特征显示出良好至优秀的可重复性(图6)。
T2 mapping中最稳健的放射组学特征的选择
我们从5个类别中识别出12个特征,这些特征在短轴和长轴T2 mapping中均显示出优秀或良好的可重复性(ICC>0.75)。该特征选择在图6中以粗体显示。
T1和T2 mapping中最稳健放射组学特征之间的重叠
在被确定为T2 mapping最具可重复性的12个特征中,有7个也属于T1 mapping最具可重复性的15个特征之列。这些特征包括3个形状特征(MinorAxisLength、Maximum2DDiameterSclie、Maximum2DDiameterColumn)和3个GLRLM特征(RunPercentage、RunLengthNonUniformityNormalized、GrayLevelNonUniformity)以及1个GLDM特征(GrayLevelNonUniformity)。
讨论
尽管关于心脏MRI放射组学分析的文献丰富,但大多数研究集中于心血管疾病的预后和诊断价值。原生T1和T2 mapping的放射组学分析已应用于心肌炎[5]、扩张型心肌病[6, 13, 14]、肥厚型心肌病[7, 9–11]和心肌梗死[16]等病理情况。已发表的论文中仅有少数研究了心脏MRI中放射组学特征的可靠性[19, 30]。
在一项先前的研究[30]中,在6名健康参与者和18名患者中,针对短轴(SAX)和一个分辨率,研究了定量T1和T2 mapping中放射组学特征的可重复性。ICC大于0.75且一致性界限在±5%以内的特征被认为具有可重复性。除90Percentile外,该研究中发现的T1 mapping最具可重复性的所有放射组学特征在我们的队列中短轴标准分辨率T1 mapping中也显示出良好至优秀的可重复性(Mean、Median、10Percentile、RootMeanSquared、Imc2、RunLengthNonUniformityNormalized、RunPercentage和ShortRunEmphasis)。对于短轴T2 mapping,我们也可以确认该先前研究中被确定为可重复的四个特征(MaximumDiameter、RunLengthNonUniformityNormalized、RunPercentage、ShortRunEmphasis)在我们的队列中短轴T2 mapping中显示出良好至优秀的可重复性。与先前这项研究不同的是,我们能够证明特征稳健性因分辨率(标准分辨率或高分辨率)和视图而异,导致四腔心(4Ch)视图的可重复特征显著减少。
另一项先前的研究在体模实验、10名健康参与者和51名患者中评估了定量T1和T2映射中放射组学特征的可重复性[31]。在这项先前的研究中,ICC大于或等于0.8的特征被认为具有可重复性。与我们的发现一致,他们也观察到只有少数放射组学特征具有可重复性。这项先前研究与我们的研究之间存在若干值得注意的差异。先前的分析[31]侧重于特征类别的总体性能,而非单个特征,并包括了对图像滤波器影响的分析。相比之下,我们的研究调查了单个特征的可重复性以及切片方向(短轴 vs. 长轴视图)和空间分辨率对放射组学特征可重复性的影响。我们发现,短轴采集的可重复特征数量高于长轴(4Ch)采集。这可能与心肌纤维相对于成像平面的方向有关,也可能与短轴映射中圆形感兴趣区(ROI)相较于4Ch中U形ROI的几何形状有关。关于空间分辨率,没有明显趋势支持标准分辨率或更高分辨率映射图。我们得出结论,临床心脏MR成像中使用的标准分辨率可能足以用于放射组学分析。
虽然我们侧重于重测可重复性,但其他人研究了图像处理对T1和T2映射中放射组学特征的影响。在肥厚型心肌病患者中,Marfisi及其同事发现图像重采样、离散化和滤波对放射组学特征有显著影响[32]。在他们的研究中,来自T2映射图的放射组学特征对图像处理变化的敏感性低于来自T1映射图的特征。一项基于脑MRI数据扫描-再扫描队列的近期研究表明,与传统的固定箱数离散化相比,使用一种新的物理信息离散化方法显著提高了可重复放射组学特征的数量[33]。因此,将物理信息离散化方法应用于心肌映射中的图像处理可能是提高放射组学特征可重复性的一条有前景的途径。
在我们的研究中,我们观察到只有有限数量的放射组学特征表现出足够的可重复性,尽管这项重测研究比较的是在同一扫描仪上以相同设置进行的两次相同MRI检查。在临床实践和心血管影像研究中,心脏MR检查通常在不同扫描仪上进行,成像参数存在差异。在这种控制较少的环境中,可重复性很可能更加有限。一项先前的研究发现,大多数放射组学特征确实对序列参数的变化敏感[22]。对于心肌T1和T2映射,他们发现放射组学特征对翻转角和切片厚度的变化更为敏感,而对平面内空间分辨率的变化不太敏感[22]。为解决图像采集参数中的此类差异,已开发了归一化方法,并已证明可提高放射组学分析的稳健性[34]。
在我们的研究中,特征类别二维形状和灰度游程长度矩阵(GLRLM)被证明比我们研究中的其他特征类别更具可重复性。形状特征独立于感兴趣区域(ROI)内的灰度强度分布,因此仅针对未求导的图像和掩膜进行计算。随机选取的部分参与者的分割结果作为示例展示在补充图2中。由于同一放射科医师的分割一致性很高,感兴趣区域的几何属性之间的一致性非常高,这就是二维形状特征主要显示出良好结果的原因。灰度游程长度矩阵(GLRLM)量化灰度游程,其定义为具有相同灰度值的连续像素的像素长度。该特征类别中相对较好的重复性可能与研究队列有关,该队列仅包括T1和T2图相对均匀的健康受试者。在局灶性或弥漫性心肌疾病患者中,结果可能有所不同。
我们鉴定为可重复的若干特征已被作为诊断生物标志物进行研究。在发现的六个可区分高血压性心脏病和肥厚型心肌病的影像组学特征中[11],两个GLRLM特征(RunLengthNonUniformity和ShortRunEmphasis)在我们的研究中被证实具有高可重复性。对于急性心肌炎的诊断,据报道两个纹理特征(T2映射上的峰度和T1映射上的GrayLevelNonUniformity)的组合提供了最高的诊断性能[5]。虽然T1映射上的GrayLevelNonUniformity在我们的研究中属于高重复性特征子集,但我们发现T2映射上峰度的重复性较差。这凸显了未来影像组学研究需要关注已被证明具有高可重复性的特征。
我们选择组内相关系数(ICC)作为研究中重复性的主要参数。CCC和Pearson相关系数被用作辅助参数以确认结果。Fisher [35]提出的ICC假定诊断测试结果遵循具有随机受试者效应的单因素方差分析模型,并考虑重复测量。该模型可以扩展用于重复测量和受试者-评估者交互作用,Shrout和Fleiss [25]讨论了不同的版本。Lin [28]提出的CCC在不依赖方差分析模型的情况下测量一致性。CCC结合了一致性(由Pearson相关测量)和偏倚,评估观测值与回归线的接近程度以及回归线与完美拟合的对齐程度[36]。一些作者[29, 36]讨论了Pearson相关系数r在评估测试分数之间一致性方面的局限性,尽管它可以测量线性关系的强度。
为了检验这三种可重复性指标之间的关系,将它们相互绘制成图形(补充图3)。ICC和CCC显示出非常强的线性关系。ICC和CCC对Pearson相关系数r的依赖性也表明这些指标之间存在线性关系,仅有少量离散。
对实践的启示
在这项工作中,我们确定了32个用于短轴T1 mapping的影像组学特征和15个不受视图和分辨率影响的T1 mapping特征,以及12个同样不受视图影响的T2 mapping影像组学特征,这些特征具有良好至优秀的可重复性,是特别稳健的特征。我们推荐这些参数用于心脏病患者的进一步研究。影像组学能力可以通过揭示人眼无法看到的组织纹理、形态和功能的细微差异,帮助区分不同的心脏病。另一个应用场景可能是通过使用这些功能来量化治疗期间和治疗后心脏组织和功能的变化,从而监测治疗的成功与否。这有助于定制治疗方案并最大化疗效。然而,仍需进一步研究影像组学数据以发现新的生物标志物并开发新的诊断和治疗方法。通过将影像组学能力整合到临床试验中,它们可以帮助验证新疗法并改善患者护理。
研究局限性
这项前瞻性研究仅限于健康志愿者。因此,我们无法直接推断影像组学特征在弥漫性或局灶性心肌病患者中的可重复性。所有图谱均使用一家制造商的1.5-T MRI扫描仪计算。需要进一步的工作来确认所推荐的影像组学特征在其他制造商或不同场强下进行的T1和T2 mapping中的稳健性。同样,我们的研究仅限于原生T1。在没有进一步验证的情况下,尚不清楚这些高稳健性特征在增强后T1图谱或细胞外体积(ECV)图谱中是否同样表现良好。
结论
在心肌T1和T2 mapping中,只有少数影像组学特征具有足够的可重复性,足以作为可靠的影像生物标志物。在本研究中,我们确定了一组影像组学特征,其可重复性良好至优秀,且不受切片方向和空间分辨率的影响。我们建议在心肌T1和T2 mapping的进一步影像组学研究中考量这些特征。
补充信息
电子补充材料
引用
- Manzke M, Laqua FC, Böttcher B, et al. Repeatability of radiomic features in myocardial T1 and T2 mapping. Eur Radiol. 2025. PMID: 39812663. doi:10.1007/s00330-024-11337-8
- 全文:PMC11835920(PMC 开放获取,CC BY)https://pmc.ncbi.nlm.nih.gov/articles/PMC11835920/
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。