全自动贝叶斯分析用于量化慢性血栓栓塞性肺动脉高压CT肺动脉造影中肺灌注改变的范围与分布
本研究开发了一种基于贝叶斯分析的全自动方法,在52例慢性血栓栓塞性肺动脉高压患者的CT肺动脉造影上量化肺灌注改变的范围、异质性和中心至外周分布。正常肺实质比例与脑钠肽前体、平均肺动脉压、肺血管阻力、镶嵌衰减、灌注中心化及右心室直径呈负相关,高灌注肺实质熵与肺毛细血管楔压呈正相关。作者认为该方法可提供可重复、客观的量化指标,支持慢性血栓栓塞性肺动脉高压的临床评估。
要点
- 正常衰减肺实质比例越低,脑钠肽前体、平均肺动脉压、肺血管阻力、镶嵌衰减、灌注中心化及右心室直径越高。
- 高灌注肺实质的空间熵与肺毛细血管楔压呈正相关(ρ=0.402)。
- 中心至外周衰减斜率与放射科医生评估的灌注中心化及分布相关,并与脑钠肽前体相关。
核心结论
- 本研究验证了一种利用贝叶斯分析量化CT肺动脉造影中灌注改变严重程度与分布的自动化系统,结果显示该方法有潜力通过提供可重复、客观的指标来支持慢性血栓栓塞性肺动脉高压的临床评估。
研究设计与样本
- 回顾性研究,纳入2018年1月1日至2018年12月31日期间在某三级学术医院心内科(国家慢性血栓栓塞性肺动脉高压转诊中心)连续诊断为慢性血栓栓塞性肺动脉高压的患者52例(平均年龄65.2±13.0岁,27例男性)。
- 使用256层CT扫描仪(iCT Brilliance,Philips)行CT肺动脉造影,头尾向螺旋采集(峰值管电压100 kV,计划管电流-时间乘积230 mAs/层,旋转时间0.5 s,螺距因子0.993,准直128×0.625 mm),以0.9 mm层厚、50%重叠、迭代重建(iDOSE4)重建。
- 对比剂为65 mL碘克沙醇350 mg I/mL(Optiray,Guerbet)或碘海醇350 mg I/mL(Iomeron,Bracco),以4.0 mL/s流率静脉注射,随后以相同流率注射40 mL生理盐水冲洗;采用肺动脉阈值150 HU的团注追踪触发。
- 参考标准为欧洲心脏病学会标准确定的慢性血栓栓塞性肺动脉高压最终诊断,以及两名分别有4年和9年心血管影像经验的放射科医生对CT肺动脉造影的多参数半定量评估(四点Likert量表)。
关键影像表现/征象
- 自动化分析基于肺衰减直方图拟合三个高斯分布,将肺实质分为高衰减(充血)、中等衰减(正常)和低衰减(少灌注)三个组分,并计算各组分比例、空间熵及中心至外周衰减斜率。
- 中等衰减(正常)肺实质比例与镶嵌衰减(ρ=-0.527,p<0.0001)、灌注中心化(ρ=-0.489,p<0.0001)及右心室直径(ρ=-0.451,p=0.001)呈负相关。
- 中等衰减(正常)肺实质的熵与放射科医生评估的镶嵌模式呈负相关(ρ=-0.486,p<0.0001)。
- 中心至外周衰减斜率与放射科医生评估的灌注中心化(ρ=-0.477,p<0.0001)及灌注改变分布(ρ=-0.456,p=0.001)呈负相关。
诊断标准与关键数值
- 自动化方法:对双肺体素强度直方图使用变分贝叶斯估计拟合三个高斯分布之和,各分布以其在直方图中的相对比例表征,并将参数化模型应用于CT数据生成体素分类掩膜。
- 异质性分析:对高衰减和中等衰减组分,分别在每侧肺以32×32×32分箱计算体素空间坐标三维直方图的熵,双肺取平均值。
- 中心化分析:基于肺分割掩膜和肺门外肺静脉入口平均坐标生成两个距离图,归一化得到中心化图,在中心至外周特定区域计算21个平均衰减值,用多项式最小二乘拟合直线斜率,双肺取平均值。
- 正常肺实质比例与脑钠肽前体(ρ=-0.485,p=0.001)、平均肺动脉压(ρ=-0.417,p=0.002)、肺血管阻力(ρ=-0.556,p<0.0001)呈负相关;高灌注肺实质熵与肺毛细血管楔压呈正相关(ρ=0.402,p=0.003);中心至外周衰减斜率与脑钠肽前体呈负相关(ρ=-0.463,p=0.002)。
临床应用与阅片要点
- 自动化计算的正常肺实质比例、空间熵和中心至外周衰减斜率可量化放射科医生对镶嵌灌注、灌注中心化及外周少灌注的主观评估。
- 作者认为该自动化系统有潜力通过提供可重复、客观的指标来支持慢性血栓栓塞性肺动脉高压的临床评估。
局限性
- 本研究为单中心研究,使用单台CT扫描仪和单一人群,缺乏外部验证队列,对普遍性构成挑战。
- 严格的三参数模型由三个高斯分布组成,在健康个体中可能不准确,因为高灌注或低灌注肺实质比例极小;这也会影响依赖三组分分离的异质性分析。
- 高衰减伪影可能被误分类为高灌注区域。
- 中心化分析依赖于Total Segmentator结果,该软件在所有患者中提供了正确分割。
全文中译15 节 · 点击展开
引言
慢性血栓栓塞性肺动脉高压(CTEPH)的特征是机化血栓和继发性微血管病变导致有症状的肺动脉持续性阻塞或狭窄,若不治疗可导致进行性肺动脉高压和右心衰竭[1]。计算机断层扫描肺动脉造影(CTPA)对于评估CTEPH的范围和特征至关重要,可显示肺动脉(PA)的结构改变和肺灌注变化。通气/灌注(V/Q)扫描中观察到的肺部灌注缺损是诊断的基础,尽管CTPA提供相似的诊断准确性,并可同时评估肺动脉、肺实质和灌注[2]。
马赛克灌注伴中心充血区和外周少血区提示肺动脉外周重塑(小血管病变),并预示预后不良[3]。传统上用于分析CTPA上马赛克灌注的方法在很大程度上是主观的,依赖于专家判读,容易产生变异性[4–6]。迄今为止,尚无自动化方法用于量化CTPA上灌注变化的范围及其分布。
本研究的目的是开发一种自动化方法,用于量化CTEPH患者常规CTPA上灌注变化的范围和分布,并评估其与临床参数和专家标注的关联。
材料与方法
本回顾性研究按照《赫尔辛基宣言》(第七次修订)进行。伦理委员会声明本研究既不需要其批准也不需要知情同意(198/22 S-IV)。
患者人群
本研究连续纳入2018年1月1日至2018年12月31日期间在一家设有全国CTEPH转诊中心的三级学术医院心内科诊断为CTEPH的患者。排除标准为数据不完整、恶性肿瘤、间质性肺病以及无法获取CTPA薄层图像。临床数据(见表1)从医院信息系统中检索。
短期住院期间,进行了V/Q扫描、CTPA、超声心动图、运动能力测试、肺功能检查、实验室检查、肺动脉导管造影和血流动力学检查。CTEPH的最终诊断基于欧洲心脏病学会的标准[1]。
CTPA技术
CT检查在256层CT扫描仪(iCT Brilliance,Philips)上进行,采用头足方向螺旋采集(峰值管电压100 kV,计划管电流-时间乘积230 mAs/层,旋转时间0.5 s,螺距因子0.993,准直128 × 0.625 mm),并使用迭代重建(iDOSE4)重建为0.9 mm层厚、50%重叠的图像。采用肺动脉内阈值为150 HU的团注追踪作为触发方法。对比剂为65 mL Optiray 350 mg I/mL(Guerbet)或Iomeron 350 mg I/mL(Bracco),使用自动CT注射系统(Medrad® Stellant,Bayer)以4.0 mL/s的流率静脉注射,随后以相同流率推注40 mL生理盐水。
多参数CTPA分析
CTPA图像在诊断工作站(Philips IntelliSpace Portal v.10,CT查看器)上进行评估。两位分别具有4年和9年心血管影像经验的放射科医生(J.H.、M.N.)测量了以下参数:肺动脉和升主动脉直径、四腔心切面右心房和左心房面积、四腔心切面右心室和左心室直径。以下参数采用四点Likert量表(4PS)评估:马赛克灌注的存在、灌注中央化、灌注缺损的外周分布、胸膜下灌注缺损、肺动脉树在中央、(亚)段和外周水平的受累情况(0,不存在;1,倾向不存在;2,倾向存在;3,存在)[7]。分析中采用平均值和评分。
灌注变化的自动化分析
使用在GitHub上公开可用的已训练Total Segmentator网络对肺和肺静脉进行分割[8]。对分割结果进行了视觉准确性检查。所有三项主要分析均在Python 3.12中实现,软件完全自动化。该软件已在GitHub上公开(https://github.com/JakubicekRoman/lung_CTPA.git)。图形化流程图示于图1。
衰减分析
该模型根据衰减将肺分为三个 compartment(高=充血,中等=正常,低=少血)(图2–4)[9]。使用变分贝叶斯估计,将代表三个独立高斯分布之和的高斯混合模型拟合到双肺体素强度的直方图[10]。该方法最大限度地减少了对比剂增强变异性引起的潜在偏倚。然后通过每个分布在直方图中的相对比例对其进行表征。根据特定患者的直方图参数化的模型随后应用于CT数据,提供个体体素分类的掩膜。
异质性分析
对于三室模型的高衰减和中衰减腔室,我们计算了体素空间坐标三维直方图的熵。两个腔室的直方图分别在每侧肺中以32 × 32 × 32个箱进行计算。然后计算其熵值。结果在两肺之间取平均值。这些参数反映空间异质性,即特定腔室区域分布的离散程度。
中心化分析
为分析中央与外周区域之间的衰减分布,自动计算平均衰减与从肺门到外周的相对距离的拟合线性曲线斜率(图4)。从肺门到外周的相对距离使用两张距离图计算。第一张距离图来自肺分割掩膜获得的肺轮廓,代表肺外周。第二张距离图基于检测到的肺门点,该点确定为位于肺外的肺静脉入口的平均坐标。通过归一化这两张距离图的比值,我们获得中心化图,其反映从外周至肺门的相对距离(图1)。为确定拟合线性曲线的斜率,我们随后在由中心化图控制的从中央到外周区域的特定区域(轮廓)中计算了一组21个平均衰减值。线性曲线的拟合使用多项式最小均方拟合算法进行。所得斜率值在两肺之间取平均值。
统计分析
统计分析在R和SPSS v. 19(IBM Corp.)中进行[11]。数值根据分布(D’Agostino正态性检验)表示为平均值 ± 标准差或中位数(四分位距,IQR)。使用Grubbs检验和数据图检测离群值。计算了所计算参数、临床数据与放射科医师进行的测量之间的Spearman秩相关系数(ρ)。
p值低于0.05被视为显著。对于多重比较,进行了错误发现率校正(Benjamini–Hochberg)。对于13个变量[马赛克衰减、灌注中心化、灌注缺损分布、胸膜下灌注缺损、肺动脉与升主动脉直径比、右心室直径、右心房面积、6分钟步行距离、脑钠肽前体(proBNP)、平均肺动脉压(PAMP)、肺毛细血管楔压(PCWP)、肺血管阻力(PVR)、动脉血氧饱和度],校正后的临界p值为0.0042。
结果
分析了52例患者(平均年龄65.2 ± 13.0岁;男27例,女25例)的CTPA(表1、补充表1和2以及补充图1)。
衰减分析显示,中等衰减(正常)肺实质比例与proBNP(ρ = −0.485,p = 0.001)、PAMP(ρ = −0.417,p = 0.002)、PVR(ρ = −0.556,p < 0.0001)、马赛克衰减(ρ = −0.527,p < 0.0001)、中心化(ρ = −0.489,p < 0.0001)和右心室(RV)直径(ρ = −0.451,p = 0.001,图5)之间呈负相关。
在异质性分析中,发现中等衰减(正常)肺实质的熵与放射科医师评估的马赛克征象之间呈负相关(ρ = −0.486,p < 0.0001)。高衰减(充血)肺实质的熵与PCWP呈正相关(ρ = 0.402,p = 0.003,图5)。
从肺门到胸膜的衰减斜率与放射科医师评定的中央化(ρ = −0.477,p < 0.0001)及这些变化的分布(ρ = −0.456,p = 0.001)相关,也与proBNP相关(ρ = −0.463,p = 0.002,图5)。
讨论
在本研究中,我们开发了一种算法,用于自动量化CTEPH患者CTPA中灌注变化的三个特征。我们表明,中等衰减(正常)肺实质的比例及其空间分布与放射科医师对马赛克衰减、中央化、周围性寡血征的感知呈负相关,也与临床参数呈负相关。这意味着这些参数的自动计算量化了放射科医师所感知的内容,并反映了临床和血流动力学评估所描述的疾病严重程度。
灌注缺损是CTEPH的标志性特征,灵敏度为100%,特异度为95% [12]。灌注变化不仅可在V/Q显像上识别,也可在平扫CT以及有无双能采集的CTPA上识别 [6, 13, 14]。双能肺血容量利用物质分解来量化肺实质中的碘含量 [14]。CTEPH患者碘图的结果显示与标准CTPA上的马赛克衰减呈强相关,该方法即使对普通放射科医师也易于判读 [7, 15]。在CTEPH中,外周血管重构(称为小血管病)导致灌注中央化和外周低灌注,这些与不良预后相关 [3, 16]。
此前已在不同场景中尝试从平扫和增强CT中量化不同衰减区域。Romanov等使用0 HU、−250 HU、−500 HU、−600 HU、−700 HU和−800 HU的衰减阈值从高分辨率CT(HRCT)图像中分离衰减区间,并评估其相对比例 [9]。衰减区间的频率分布通过均值、标准差和偏度来描述,并用于区分正常肺实质和非典型肺炎。直方图分析已用于其他应用,如肺气肿、肺纤维化,甚至CTEPH [17–19]。对于HRCT中肺气肿和纤维化的量化,纹理分析即使在纵向试验中也显示出优于基于直方图方法的优势 [20]。
这些方法假设对纹理和衰减具有先验知识,因此对其他区域(包括增强研究)的可移植性有限。在我们的研究中,我们提出了一种机器学习模型,使用贝叶斯估计将充血、正常和乏血实质进行分类,将三个单独的高斯分布分别拟合到肺衰减直方图[9]。这种无监督学习模型提供了更大的灵活性,尚未在此背景下应用。与用于乳腺或脑等区域密度估计的其他无监督聚类方法(这些方法更 sharply 地划分分布)相比,高斯混合模型的贝叶斯方法基于正态概率分布分配组织 bins,允许更准确地预测真实密度分布[21, 22]。
通过测量低灌注、正常灌注和高灌注实质体积来量化灌注变化,反映了放射科医生对马赛克灌注各方面(包括其严重程度和分布)的评级。正常灌注实质区域的熵与放射科医生经典描述的马赛克衰减相关。从中心到外围的衰减梯度与循环中心化及其在肺中央和外围部分之间分布的描述相关。此外,自动计算的定量参数与表明疾病严重程度和预测结果的临床特征相关[23]。
组织分割和表征的深度学习方法通过采用未知且更复杂的特征和关系来解决基于固定阈值方法的局限性,这些特征和关系可以更准确地表征病变组织并预测患者结果[24]。然而,提取的特征高度抽象和非线性,使其解释具有挑战性。相比之下,我们方法中提取的图像和形状特征是物理推导的,因此易于理解。此外,深度学习方法需要大型队列和数据注释,这在CTEPH中难以获得。
研究局限性
本研究有几个局限性。首先,这是一项在单一CT扫描仪上对单一人群进行的单中心研究。缺乏外部验证队列对普遍性构成挑战。其次,由三个高斯分布组成的严格三参数模型在健康个体中可能不准确,其中高灌注或低灌注肺实质的比例极小。这也会影响依赖于三个组件分离的异质性分析。此外,高衰减伪影可能被误分类为高灌注区域。第三,中心化分析依赖于Total Segmentator结果,该结果在所有患者中提供了正确的分割。
结论
一个用于量化CTPA上灌注变化及其分布的自动化系统已通过放射科医生注释和与CTEPH临床特征的相关性进行了验证。该系统依赖于三室模型和肺衰减直方图分布的高斯拟合,在估计组织边界方面具有灵活性。
补充信息
电子补充材料
引用
- Suchanek V, Jakubicek R, Hrdlicka J, et al. Fully automated Bayesian analysis for quantifying the extent and distribution of pulmonary perfusion changes on CT pulmonary angiography in CTEPH. Eur Radiol. 2025. PMID: 40437198. doi:10.1007/s00330-025-11678-y
- 全文:PMC12559064(PMC 开放获取,CC BY)https://pmc.ncbi.nlm.nih.gov/articles/PMC12559064/
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。