自动化三维CT分析用于先天性鼻梨状孔狭窄手术决策
本研究利用自动三维分割算法分析22例新生儿CT(12例对照、4例中度保守治疗、6例重度手术),评估鼻梨状孔狭窄严重程度。算法分割准确度高(Dice系数0.961±0.005),与手动测量鼻梨状孔宽度一致性好(平均差-0.05±0.77 mm)。中鼻道75%处横截面积鉴别中重度最有效(中度68.6±7.5 mm² vs 重度33.5±13.7 mm²,P<0.01),提示三维参数可能辅助手术决策。
要点
- 鼻梨状孔宽度可诊断狭窄(P<0.01),但不能区分中重度(P=0.30)。
- 中鼻道容积是唯一能区分正常与狭窄及中重度的指标(Pc=0.03)。
- 中鼻道75%处横截面积鉴别中重度最显著(P<0.01)。
核心结论
- 自动三维CT分析可量化鼻梨状孔狭窄严重程度,中鼻道75%处横截面积等客观参数可能辅助手术决策。
- 作者建议开展多中心更大样本研究验证这些发现。
研究设计与样本
- 回顾性研究,纳入2010-2022年本院22例新生儿CT(年龄0-35天):12例对照、4例中度保守治疗、6例重度手术。
- 使用自动三维分割算法(Python 3.8+)测量鼻梨状孔宽度、鼻腔容积、表面积和横截面积,并与专家手动测量对照验证。
- CT来自四款Siemens CT机型(Force、Definition AS+、Definition Flash、Drive),管电压70或100 kV,电流40-190 mA,层厚1 mm。
- 参考标准为临床评估及鼻梨状孔宽度小于11 mm诊断狭窄,治疗决策基于临床表现而非单纯宽度。
关键影像表现/征象
- 所有狭窄病例均显示前部狭窄,仅重度病例狭窄沿整个中鼻道延伸。
- 中度病例狭窄局限于鼻梨状孔和25%区域,重度病例累及鼻梨状孔、25%、50%和75%区域。
- 三维模型可直观显示单侧鼻孔完全阻塞(孤立区域呈深蓝色)及分区容积(鼻孔区、中鼻道区、鼻咽区)。
诊断标准与关键数值
- 鼻梨状孔宽度小于11 mm提示狭窄;算法自动测量最小宽度并与手动测量对照(平均差-0.05±0.77 mm,-0.7±9.1%)。
- 分割灵敏度0.977±0.003,Dice系数0.961±0.005。
- 中鼻道75%处横截面积鉴别中重度:中度68.6±7.5 mm² vs 重度33.5±13.7 mm²(P<0.01)。
- 中鼻道容积区分正常与狭窄(Pa=0.01,Pb<0.01)及中重度(Pc=0.03);表面积区分重度与中度(Pc=0.02)。
- 手动中鼻道骨宽度:重度9.98±1.61 mm vs 中度11.2±0.68 mm,无显著差异(P=0.20);正常对照15.33±1.04 mm,与狭窄组差异显著(P<0.01)。
临床应用与阅片要点
- 自动三维分析可在约15秒内完成分割,提供全鼻腔容积和横截面积定量信息,辅助评估狭窄范围和手术规划。
- 阅片时需注意鼻梨状孔宽度单独不能可靠判断狭窄严重程度或手术必要性(Pc=0.30),应结合中鼻道容积和横截面积。
- 重度狭窄的横截面积在50%和75%处显著减小,报告时可关注这些区域。
- 手动二维中鼻道测量无法区分中重度(P=0.20),三维分析可能提供额外鉴别价值。
局限性
- 样本量小(22例),作者建议开展多中心更大样本研究验证。
- 本研究为回顾性研究。
全文中译12 节 · 点击展开
引言
先天性鼻梨状孔狭窄是一种罕见疾病,其特征为上颌骨骨质过度增生,导致新生儿鼻气道狭窄[1–3]。这种阻塞可导致显著的呼吸困难,对婴儿的整体健康和发展构成潜在风险[4, 5]。早期发现和准确诊断梨状孔狭窄的严重程度对于启动适当的医学干预(包括必要时的手术)至关重要[6, 7]。
目前,梨状孔狭窄的诊断主要依赖于临床评估和计算机断层扫描(CT)成像,并手动测量梨状孔宽度[5, 6]。当梨状孔宽度窄于11 mm时,通常可诊断为梨状孔狭窄[2, 6]。一些研究者提出了梨状孔宽度阈值(5.7 mm [4]、6 mm [8])作为梨状孔狭窄需要手术干预的预测指标。然而,其他研究者对这一方法提出了质疑,并表明仅手动测量梨状孔宽度不能完全反映阻塞的严重程度,也无法提供足够的定量信息来确定适当的治疗方案[7, 9, 10]。
若干研究[11–13]测量了鼻腔沿途多个点处骨结构之间的二维(D)距离,发现狭窄也发生于鼻腔后段。因此,他们认为仅关注梨状孔宽度不足以表征阻塞并确定适当的手术方式[11–13]。然而,他们并未建立任何客观指标来辅助制定手术决策。此外,据我们所知,尽管有可能从CT扫描中提取三维鼻气道几何形态[14, 15],尚无大规模研究描述梨状孔狭窄病例中阻塞对整个三维鼻气道的影响,也未建立健康新生儿的标准指标。这些三维数据可为鼻阻塞提供更深入的见解,并有助于更明智的手术决策和规划[11, 15–17]。
本研究旨在通过以下方式填补这些空白:开发一种利用CT图像自动分割新生儿鼻气道的算法,通过测量梨状孔宽度诊断梨状孔狭窄,并提供关于整个鼻气道尺寸的客观定量容积和横截面信息。我们的主要目标是探索梨状孔狭窄对三维气道尺寸的影响,并研究其作为梨状孔狭窄新生儿手术决策和规划客观指标的潜力。
材料与方法
本回顾性研究旨在利用CT扫描评估梨状孔狭窄中的鼻气道。研究方案包括三个主要组成部分:(1)开发用于鼻气道分割和测量的自动化算法,(2)对照专家评估验证算法的准确性,(3)比较正常对照与需要保守治疗或手术治疗的狭窄病例之间的鼻腔尺寸。本研究经我院伦理批准(编号0305–21)。
数据集
该数据集包括2010年至2022年间在我们机构获取的22例新生儿匿名CT扫描,如患者流程图所示(图1)。两组的纳入标准均为年龄不超过35天的新生儿CT扫描。由于辐射顾虑导致新生儿CT扫描稀缺,我们将传统新生儿期(28天)延长至包括35天以内的病例,因为在此期间仍在进行梨状孔狭窄的诊断性影像检查。对照组包括鼻气道正常、因与呼吸窘迫无关的指征而接受CT扫描的新生儿。研究病例的纳入标准为:(1)临床症状如呼吸急促、呼吸暂停发作、鼻塞和喂养困难;(2)纤维喉镜难以通过鼻前部;(3)CT扫描确认梨状孔宽度小于11 mm。数据库的排除标准为:(1)CT扫描未涵盖整个鼻部区域;(2)气道梗阻与梨状孔狭窄无关的病例。患者根据这些标准连续入选。
所有梨状孔狭窄病例最初均优先采用保守治疗,除非保守治疗失败或因严重呼吸窘迫而禁忌。根据治疗反应,狭窄病例(n=10)分为两个亚组:“中度”(n=4,保守治疗成功)和“重度”(n=6,需要手术鼻腔气道扩张)。对照组包括12例。各组之间在年龄或体重方面无显著差异(表1)。所有病例的梨状孔宽度由一名儿科耳鼻喉科医生(Y.S.)和一名放射科医生(E.B.D.)独立测量,两人的测量结果一致。两位医生在各自领域均有超过17年的经验。
重要的是,治疗决策基于临床表现而非仅依据梨状孔宽度。一些梨状孔宽度较窄的病例在症状轻微时采用保守治疗,而另一些病例尽管梨状孔测量值较大,但因严重呼吸道症状而需要手术,如图2所示。每个病例的详细背景数据见补充材料1。
计算机断层扫描扫描详情
CT扫描来源于四种不同的西门子CT SOMATOM机型:Force、Definition AS +、Definition Flash和Drive(Siemens Healthineers,埃尔朗根,德国)。X射线管电压通常工作在70 kV或100 kV,电流范围为40至190 mA。CT剂量指数范围为1.5 mGy至11.4 mGy。计算机断层扫描成像包含数量不等的轴位切片,范围为80至235层。这些切片涵盖从颅骨到口腔的区域,在某些情况下延伸至肩部。切片厚度为1 mm,重叠范围为0.33 mm至0.75 mm。像素大小范围为0.2 mm至0.4 mm,最小图像尺寸为512 × 512像素。
自动算法
开发了一种算法,使用Python 3.8及以上版本自动识别梨状孔狭窄并评估其严重程度。该算法处理CT扫描时,首先识别从鼻孔到鼻咽部、直至软腭水平的所有相关鼻气道。然后测量梨状孔宽度和鼻气道尺寸。该算法完全自动,仅包含一个可选的手动重定向步骤,通过简单的图形用户界面(GUI)校正头部倾斜。在标准台式计算机(Intel i7,16GB随机存取存储器(RAM))上,分割约在15秒内完成。分割流程包括预处理、气道分离、全局和局部阈值处理以及用于解剖过滤的后处理。核心步骤描述如下。完整技术细节,包括参数设置和实施策略,见补充材料2。补充材料2中还提供了示意性工作流程图,完整代码可在https://github.com/yohod/NeonateNasalAirwayEvaluator获取。
如图3所示,鼻气道的识别首先选择感兴趣体积(VOI),聚焦于延伸至鼻咽部的鼻气道轴位切片。在每一层内,划定相对感兴趣区(ROI)。应用横向裁剪以仅保留头部宽度的中间三分之一,该区域始终能够捕获鼻通道同时排除非相关的头部区域。接下来,算法使用直线定义鼻孔边界,将鼻腔与外部空气隔离。这些线通过检测鼻孔轮廓并识别两个外侧边界点逐层生成;在两点之间绘制一条虚拟闭合线。该线前方的所有体素均被排除。
随后,通过使用−400 HU的全局阈值识别相对低亨斯菲尔德单位(HU)区域,进行初步气道分割。剔除小物体(小于2)和无关区域,如周围外部空气和口咽腔。随后,算法选择性地扩展初始区域以涵盖狭窄气道区域。这是通过自适应局部阈值化完成的:评估HU在−400至−125之间的体素。如果体素的值低于局部均值(在排除低于−400 HU空气体素的3×3邻域内计算),并且与初始−400 HU掩膜三维连通,则该体素被纳入。此过程提高了对新生儿扫描中典型的低对比度、狭窄气道的敏感性。最后,仅保留与中央鼻通道三维连通的气道区域,揭示缺乏解剖连续性的区域(图4)。
为了测量鼻气道中的分割区域,算法自动检测梨状孔和后鼻孔的冠状切片。位于梨状孔和后鼻孔之间的区域被认为是大多数先天性鼻阻塞的主要部位,并且在梨状孔狭窄病例中通常表现为狭窄[11–13]。梨状孔的冠状切片通过从鼻尖开始从前向后扫描冠状切片来定义。梨状孔被识别为最前端的切片,在该切片上使用+200 HU阈值在鼻尖的轴位水平(对应于梨状孔骨的中下部区域)可以分割出骨。这种相对较低的阈值允许检测新生儿中骨化不足的结构[18]。后鼻孔的冠状切片通过从后向前扫描冠状切片并测量主要连通气道腔的宽度来定义。后鼻孔被识别为与前一切片相比宽度减少≥1.5×的切片,表明气道分为两个独立的鼻通道,标志着向鼻咽部的过渡[19]。
然后测量鼻气道的各种尺寸,包括总体积,以及特定区域内的分割体积,即从鼻孔延伸至梨状孔的鼻孔区域、位于梨状孔和后鼻孔之间的中鼻区域、以及从后鼻孔延伸至鼻咽部终点的鼻咽区域(图4)。还量化了表面积和沿管道的横截面积。
最后,算法测量梨状孔宽度,以评估梨状孔下部的最大宽度是否小于11 mm,从而怀疑梨状孔狭窄[6]。该步骤的主要部分显示在补充材料2中。
统计分析
自动分割的验证过程[14, 20, 21]包括由一名专家放射科医师(E.B.D.)进行的评估以及对四例病例(每组两例)的手动分割。随后,敏感度[22]和Dice系数[23]确认了自动分割相对于手动分割的准确性和可靠性。将所有病例的梨状孔宽度自动测量值与手动测量值进行比较,以评估算法在自动测量梨状孔宽度方面的性能。
为识别指示阻塞程度的因素,对鼻腔尺寸进行了全面的比较分析。统计评估涵盖关键参数,包括梨状孔宽度、总体积、区域体积和表面积。此外,生成了沿气道双鼻腔联合横截面积的图形分析。对于每个病例,图的x轴经过重新缩放,以表示从鼻孔(0%)到鼻咽后壁(100%)的腔长百分比。计算每组平均横截面积及相应标准差并以图形显示。此外,在沿鼻腔以25%间隔分布的五个位置比较平均横截面积。在每个位置,在鼻中段区域内从梨状孔(0%)到后鼻孔(100%)的指定点±5%范围内进行平均。
所有统计分析均使用Pingouin(版本0.5.3)进行,这是一个用于统计分析的开放源代码Python软件包(加利福尼亚大学伯克利分校,加利福尼亚州伯克利)[24]。考虑到本研究的具体情况,选择了Mann–Whitney U检验,因为它非常适合小样本量以及不适用正态分布假设的情况[25]。
结果
算法性能与测量
该算法成功处理了所有病例,灵敏度达到0.977 ± 0.003,Dice系数为0.961 ± 0.005。梨状孔宽度的自动测量与手动测量显示出良好的一致性(补充材料1),平均差异为−0.05 ± 0.77 mm(−0.7 ± 9.1%)。
鼻腔尺寸
平均鼻腔尺寸及相应的P值汇总于表2(精确测量详情见补充材料1)。值得注意的是,Pa和Pb分别是表示区分正常组与中度或重度狭窄亚组能力的P值。这些值标志着区分健康病例与狭窄病例的诊断效能。另一方面,Pc评估该指标在中度亚组与重度亚组之间标示梗阻严重程度的能力。
审阅表2中呈现的结果证实,梨状孔宽度能有效诊断梨状孔狭窄(Pa、Pb<0.01),但在指示梗阻严重程度或手术必要性方面缺乏可靠性(Pc=0.30)。此外,体积和表面积测量不一定能区分正常与中度病例。然而,在重度病例中,这些参数较小(分别为Pb=0.02、Pb<0.01)。值得注意的是,表面积甚至能区分重度与中度病例(Pc=0.02)。这可能反映了与手术规划相关的解剖复杂性。此外,鼻中部体积是唯一能区分正常与狭窄病例(Pa=0.01、Pb<0.01)以及中度与重度梗阻(Pc=0.03)的指标。正常组的平均鼻咽部体积比狭窄亚组约小三分之一。然而,这一差异无统计学意义。
鼻腔横截面积分析
横截面积比较图见图5。应注意,中度病例在鼻中部腔前三分之一处表现为狭窄,而重度病例则表现为从梨状孔延伸至整个鼻中部腔的变窄。然而,这种变窄在到达后鼻孔区域之前变得不那么显著。这些观察结果得到了对梨状孔、25%、50%、75%和后鼻孔区域统计分析的证实,如图5所示,相应的P值详见表3。
如表3所示,在中度病例中,狭窄局限于梨状孔和25%区域。相比之下,重度病例在梨状孔、25%、50%和75%区域均表现为狭窄,而在后鼻孔处未观察到统计学显著性。此外,梨状孔处的横截面积能有效区分中度与重度病例,而梨状孔宽度则不同,它并非评估梗阻严重程度的可靠指标。尽管如此,这两个狭窄亚组之间最显著的差异体现在鼻腔中部后侧区域,特别是50%和75%位置,如图5所示。
为进一步评估三维测量相对于传统二维方法的附加价值,我们对所有病例的鼻腔中部横向骨宽度进行了手动测量。鼻侧壁之间的宽度在梨状孔与后鼻孔之间的中点处测量。测量垂直于中线平面,平行于上颌骨腭突。选择该区域是因为基于三维的横截面积分析显示该区域重度组与中度组之间存在显著差异(如图5所示)。手动二维测量由Y.S.独立于分割算法完成。结果显示,重度组鼻腔中部骨宽度平均为9.98 ± 1.61 mm,中度组为11.2 ± 0.68 mm,正常对照组为15.33 ± 1.04 mm。统计比较显示重度组与中度组之间无显著差异(P=0.20),而重度组和中度组均与正常组存在显著差异(P < 0.01)。这些结果表明,尽管手动鼻腔中部测量可能检测到整体病理性狭窄,但可能不足以区分受影响病例内部的严重程度分级。
讨论
我们的研究利用自动化算法从CT图像中提取三维鼻气道几何形状的客观信息,揭示了正常、中度和重度梨状孔狭窄病例之间的显著差异。该算法以高精度分割鼻气道,并与手动梨状孔测量结果高度一致。它测量了健康新生儿鼻腔的总容积、区域容积和横截面积,提供了比较基线以及气道尺寸发育研究的参考。主要发现包括:与正常情况相比,狭窄病例的中鼻道容积显著较小,中度病例的显著狭窄延伸至前三分之一,重度病例延伸至中鼻道通道的75%。中鼻道长度75%处的横截面积成为区分中度与重度病例的最显著因素。据我们所知,此前尚无研究从三维角度或在中鼻气道后部区域考察手术与非手术治疗梨状孔狭窄病例之间的差异。
这些发现解决了诊断和治疗梨状孔狭窄中的关键挑战。目前,虽然CT扫描通过测量梨状孔宽度来确认狭窄诊断,但治疗决策主要由保守治疗的临床反应指导[7, 9, 10]。一些研究者尝试使用梨状孔宽度阈值来预测手术必要性[4, 8],但这种方法已显示出局限性[7, 9, 10],因为它仅提供狭窄的部分图像。这种谨慎的临床方法最大限度减少了不必要的手术,尽管它可能未充分利用CT扫描中可获得的详细解剖信息,而这些信息有可能为症状严重程度提供额外见解、支持治疗决策并在需要干预时优化手术规划。那些也检查了鼻通道后部区域的研究[11–13]仅限于在手动选择的二维横截面上进行一维距离测量,且未区分手术与保守病例。在我们的研究中,我们还检验了梨状孔或中鼻道水平的手动二维测量能否区分中度和重度病例,但未发现显著差异。这凸显了完整三维分析在评估梨状孔狭窄中鼻腔狭窄范围和分布方面的额外诊断价值。虽然理论上可以在沿鼻通道的多个位置进行手动测量,但这一过程劳动强度大、耗时长且可重复性较低。
相比之下,我们的自动化方法从CT扫描中提取三维数据,能够对整条鼻道进行全面、客观且快速的评估。它可识别狭窄区域,并有可能实现虚拟手术规划和气流动力学模拟[17]。重要的是,尽管中度和重度病例在梨状孔横向维度上未发现显著差异,但在中鼻道区域的横截面积上观察到了明显差异。这可能对鼻气流阻力产生实质性影响,因为横截面积直接影响吸气流量和气道阻力等流体动力学参数[15]。同时考虑前部和后部测量可提供额外信息,并可能有助于解释为何部分病例对保守治疗反应不同,从而突显了解剖学改变与临床结局之间的关系。此外,我们的结果显示,狭窄病例的鼻咽体积大约大三分之一。有趣的是,这一发现可能反映了一种代偿机制,以抵消前部狭窄并维持气流。
本研究的主要局限性包括样本量小,这是由于梨状孔狭窄的罕见性以及涉及新生儿辐射暴露的伦理考量。未来需要在更大队列中开展多中心研究,以验证我们的发现,并基于自动三维测量建立手术干预的阈值指标。另一个局限性涉及自动算法对扫描条件和图像质量的敏感性。运动伪影可影响分割准确性[26],不同的分割方法可能改变测量结果[27, 28]。虽然这些因素不太可能显著影响所观察到的组间尺寸差异,但在未来研究中记录具体的分割方法对于有意义的比较至关重要[28]。
尽管存在这些局限性,我们的研究证明了自动化三维分析在改善梨状孔狭窄的手术决策和规划方面的价值。这种精确性有望更好地识别保守治疗可能失败的病例,并通过提供狭窄模式的详细图谱来指导手术入路。虽然在更大队列中仍需进一步验证,但自动化处理与全面分析的结合在优化梨状孔狭窄患者的治疗决策和手术结局方面显示出前景。此外,虽然此处仅针对梨状孔狭窄进行了演示,这种自动化方法有可能适用于分析其他类型的气道狭窄,并可能有助于建立儿童正常气道尺寸的标准化测量,从而实现解剖异常的自动化筛查。
结论
本研究提出了一种新开发的软件工具,用于新生儿鼻气道的自动化三维分析。所提取的参数显示出评估梨状孔狭窄严重程度以及支持手术决策和手术干预规划的潜力,但仍需在更大的多中心队列中进一步验证。
补充信息
以下是电子补充材料的链接。补充文件1(DOCX 39 KB)
补充文件2(DOCX 640 KB)
引用
- Yeshua T, Ben-Haim Y, Schwarz Y, et al. Automated three-dimensional computed tomography analysis for surgical decisions in congenital nasal pyriform aperture stenosis. Pediatr Radiol. 2025. PMID: 40553166. doi:10.1007/s00247-025-06282-7
- 全文:PMC12321926(PMC 开放获取,CC BY)https://pmc.ncbi.nlm.nih.gov/articles/PMC12321926/
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。