卒中MRI中的运动伪影与图像质量:相关因素及其对人工智能和人类诊断准确性的影响
这项回顾性横断面研究纳入775例疑似卒中患者的脑MRI,运动伪影出现于57例(7.4%),与年龄增长(每增加10岁OR 1.60)和肢体运动症状(OR 2.36)独立相关。运动伪影显著降低出血检出准确性,人工智能工具从88%降至67%,放射科报告从100%降至93%。
要点
- 疑似卒中患者脑MRI运动伪影发生率为7.4%,老年和肢体运动症状患者风险更高。
- SWI/T2*序列比DWI和FLAIR更易出现运动伪影,与采集时间较长相关。
- 运动伪影使出血检出准确性下降,AI工具降幅(21个百分点)大于放射科报告(7个百分点)。
核心结论
- 运动伪影在疑似卒中患者中常见,尤其见于老年人和有运动症状的患者,并降低AI和放射科医生对出血检测的准确性。
研究设计与样本
- 回顾性横断面研究,纳入丹麦一家非综合性卒中中心2020年1月至6月连续800例疑似卒中成人患者,最终分析775例(平均年龄68岁±16,420例女性)。
- 参考标准由一名有4年神经放射学经验的专家神经放射科医生在病例层面标注急性缺血、出血和占位性病变。
- 两名盲法放射科住院医师独立使用4点Likert量表(1=不可诊断,2=可诊断,3=轻微不均匀,4=无相关伪影)评估DWI、FLAIR、SWI和T2*GRE序列图像质量并记录运动伪影。
- AI工具为CE认证的深度学习工具Apollo 2.12版(Cerebriu),设计用于自动标注和可视化5 mm³以上的脑MRI发现。
关键影像表现/征象
- 775例中57例(7.4%)存在运动伪影,96例(12.4%)有重复序列,36例(4.6%)至少一个序列为不可诊断质量(Likert 1)。
- 按序列分析,2484个序列中178个(7.2%)有运动伪影,梯度回波序列(SWI和T2*GRE)在伪影序列中占比过高。
- 运动伪影与较长采集时间、较少平均次数和3D采集显著相关。
- 病例层面的运动伪影读者间一致性为一般(Cohen's Kappa 0.36),DWI、FLAIR、SWI和T2-GRE的Likert分级加权Kappa分别为0.18、0.49、0.57和0.62。
诊断标准与关键数值
- 运动伪影与年龄增长独立相关(每增加10岁OR 1.60;95% CI:1.26,2.09;p < 0.001),与肢体运动症状独立相关(OR 2.36;95% CI:1.32,4.20;p = 0.003)。
- 多变量模型预测运动伪影的测试AUC为0.73(95% CI:0.66,0.80)。
- 运动伪影使AI工具出血检出准确性从88%降至67%(降低21个百分点;p < 0.001),放射科报告从100%降至93%(降低7个百分点;p < 0.001)。
- 运动伪影对缺血和占位性病变检测准确性的降低未达统计学显著。
- AI错误诊断中,缺血、出血和肿瘤分别有10%、18%和9%发生在有运动伪影的病例,归因分数分别为3%、12%和2%。
临床应用与阅片要点
- 老年患者和有肢体运动症状的疑似卒中患者运动伪影风险更高,可考虑加强运动伪影预防和减少措施。
- SWI/T2*序列采集时间较长且更易出现运动伪影,阅片和AI分析前应关注该序列质量。
- 运动伪影主要降低出血检测的特异性,AI工具比放射科医生更易受运动伪影影响,AI分析前进行图像质量筛查可能有助于减少假阳性预测。
- 作者认为,预测运动伪影高风险的患者可安排短序列和深度学习伪影减少的特定扫描方案。
局限性
- 队列中出血和颅内肿瘤病例较少,无法充分研究运动伪影对这些病变检测敏感性的影响,可作为未来研究主题。
- 尽管有预培训和分级示例分发,DWI质量分级的读者间一致性仅为轻微。
- 五名读者报告的运动伪影发生率从11%到25%不等,提示MRI质量评估高度主观且依赖序列。
- 运动伪影发生率的发现仅可推广至患者构成相似的非综合性卒中中心。
- 放射科报告诊断准确性的估计可能存在混杂,因参考标准未对报告或临床信息设盲。
全文中译18 节 · 点击展开
引言
MRI扫描易受运动伪影影响,运动伪影会降低图像质量,并可能导致扫描结果的误判[1]。临床疑似卒中的患者需要快速脑部成像以确定其症状的病因,并帮助临床医生启动正确的治疗[2–4]。MRI扫描在显示急性缺血性病灶方面优于CT扫描[5],因此,一些中心已转向对疑似卒中采用MRI优先的方法[6, 7]。近年来,检测和分类脑部MRI扫描所见的人工智能(AI)工具不断改进,尤其是由于卷积神经网络的发展[8–10]。疑似卒中患者中常见的紧急所见包括缺血性病灶、出血性病灶和占位性病灶,针对这些已开发出多种AI工具进行识别[11–13]。AI工具可帮助放射科医生确定扫描阅读的优先级,或帮助临床医生确定某些患者的优先级[14, 15],在高负荷中心尤为有用。然而,既往研究表明,深度学习工具易受图像质量下降的影响[16–19]。在MRI成像中,图像质量下降通常由伪影所致,其中一些是MRI技术固有的,如磁敏感伪影[20]。如果产生伪影的物体已被手术置入患者体内,如人工耳蜗或动脉瘤弹簧圈/夹,则这些伪影可能难以避免。许多MRI扫描还因序列采集时间长而受到运动伪影的影响。这些可通过调整MRI序列参数、利用深度学习加速扫描采集[21]或对患者进行训练或镇静[22]来加以限制。然而,关于哪些人存在风险的证据有限,且这些方法可能影响图像质量。关于运动伪影对人类和AI诊断测试准确性的影响程度,证据也有限。
因此,本研究旨在评估临床疑似卒中患者队列中运动伪影的患病率,识别相关因素,并估计其对人类和AI诊断准确性的影响,以及可归因于运动伪影的AI错误比例。
方法
研究设计、场所和参与者
使用STROBE清单进行稿件准备。该研究经丹麦国家健康研究委员会批准,豁免知情同意要求(记录号2110096)。该研究是一项回顾性横断面研究,纳入2020年1月至2020年6月期间在一家丹麦医院接受扫描的连续患者。作为非综合性卒中中心,该医院主要接收因禁忌证或院前分诊风险低而不适合血运重建的卒中患者,以及血运重建后需要康复的患者。纳入标准为:年龄≥18岁,因新怀疑卒中而行脑MRI,扫描前症状持续时间最长为4周。我们排除了缺少AI工具所需序列(DWI、FLAIR或SWI/T2*GRE)的患者、所有序列图像质量过低而无法作为参考标准的扫描,以及AI工具无法处理的MRI扫描。我们通过搜索图像归档和通信系统(IMPAX 6,AGFA Healthcare)来识别MRI扫描。Charlson合并症指数使用从电子病历(EPIC)中提取的患者合并症信息计算。该队列中无严重伪影的患者(n = 767)此前已在一项外部验证研究中使用深度学习工具进行评估[17]。
变量
我们分析以下变量作为运动伪影的潜在预测因素:年龄(每十年)、性别(男或女)、Charlson合并症指数(连续变量)、入院状态(急诊科或住院)、MRI前尝试血运重建(是/否)、放射学报告中的患者症状:意识下降、视觉症状、面瘫、肢体运动症状(肢体瘫痪/轻瘫)、共济失调、感觉症状(感觉受损或异常)、言语症状、头晕(每项为是/否)。
参考标准和放射学报告
具有4年神经放射学经验的专家顾问神经放射科医师(K.L.G.)提供参考标准,在病例层面标注扫描中的急性缺血性、出血性和占位性病变。该神经放射科医师可查阅转诊资料和既往影像,以复现临床环境。一名具有1年临床放射学经验的放射科住院医师(C.H.K.)针对相同发现对报告进行标注。所有阅片者,包括进行原始报告的放射科医师,均对AI工具的结果设盲。
深度学习工具
本研究使用的AI工具是Cerebriu公司市售的基于深度学习的工具Apollo 2.12版本。该工具设计用于对15至75岁患者脑部MRI上大于5 mm³的发现进行自动标注和可视化。它可检测急性缺血、出血和颅内肿瘤。由于该工具获批用于决策支持,此处的独立测试可能被视为超说明书使用。我们在测试人群中未应用年龄上限或大小下限。当发送相似序列时,该工具会运行多次推理,但当检测到发现时,它会对整个扫描进行标注,这解释了我们基于病例的分析方式。该工具已获欧盟批准用于临床(Class I—MDD)。其开发训练使用了来自巴西、印度、乌克兰和美国5家合作医院的1305份内部MRI扫描,涵盖GE、Philips和Siemens扫描仪,以及来自BraTS19和ISLES22数据集的1763份MRI扫描。本中心的脑部MRI未用于训练该深度学习工具。
图像质量和序列的分级
两名放射科住院医师(来自C.H.K.、L.A.、M.L.L.、A.R.、S.K.)使用4点Likert量表独立对DWI、FLAIR、SWI和T2*GRE序列进行分级,并记录运动伪影的存在。分级前,读者收到一份参考文件,其中包含示例评级和伪影类型,该文件与一名MRI研究放射技师(J.M.)合作制作。Likert 1表示非诊断质量,Likert 2表示足以诊断,Likert 3表示轻微不均匀,Likert 4表示无相关伪影。DWI上常见的磁敏感伪影未被专门评估,因为这被认为是该序列固有的。所有读者对参考标准和指标测试结果均设盲。计算每个序列的平均Likert评分并向下取整(例如,3.5取3)。只有当两名读者一致时才记录运动和显著伪影。对于技术分析,一名读者(C.H.K.)评估了所有MRI序列的运动伪影,因为部分患者有重复序列。我们使用Python中的Pydicom包提取了相关DICOM标签(场强、采集时长、平均次数、采集类型和序列类型)。
敏感性分析
我们进行了两项敏感性分析以检验研究结果的稳健性。在第一项中,重复MRI序列被视为质量较低的标志,反映了放射技师的决策。在第二项中,如果任一读者记录了运动伪影,则视为存在运动伪影。
统计分析和研究规模
连续变量以均值及标准差(SD)表示,分类变量以数值及百分比表示。基线比较采用Wilcoxon秩和检验(数值变量)和χ2检验(分类变量)。阅片者一致性采用Cohen's Kappa评估:κ < 0.2(轻微)、0.2–0.4(一般)、0.4–0.6(中等)、> 0.6(高度)。采用多重logistic回归预测运动伪影,并进行5折交叉验证。放射科报告和AI工具的诊断准确率、灵敏度和特异度与参考标准采用χ2检验进行比较。我们通过计算人群归因分数来检验AI不准确诊断中可归因于运动伪影的比例:= ,其中Ip为AI不准确在整个人群中的发生率,Iu为未暴露于运动伪影组中AI不准确的发生率。800例连续唯一患者的样本量平衡了对大型外部队列的需求与专家阅片的可行性。p值 < 0.05被认为具有统计学意义。统计分析使用R 4.2.0版本。
结果
本研究纳入800例连续患者,其中25例因缺失关键序列(DWI、FLAIR或SWI/T2*GRE)、所有序列均无诊断质量或AI分析失败而被排除,最终分析队列为775例患者(见流程图图1)。在775例患者的分析队列中,患者平均年龄为68岁(SD 16),54%为女性,平均Charlson合并症指数评分为1.22(SD 1.20)。76%的患者由急诊科转诊进行MRI扫描,其余来自院内各科室。队列中无门诊患者。表1显示了关键人口学和临床特征。
图像质量、伪影和重复序列
关于图像质量,775次扫描中有36次(4.6%)包含至少一个无诊断质量的序列(Likert 1)。775次扫描中有57次(7.4%)存在运动伪影。96/775次(12.4%)扫描有重复序列(见图2)。对于各阅片者,运动伪影的患病率分别为15%(C.H.K.)、11%(L.A.)、25%(M.L.L.)、14%(A.R.)和18%(S.K.)。
阅片者间信度
阅片者1和阅片者2之间对不同序列分级的阅片者间信度从轻微到高度一致不等。DWI、FLAIR、SWI和T2-GRE的Likert 1至4分级的Cohen加权Kappa分别为0.18、0.49、0.57和0.62。病例水平运动伪影存在性的Cohen's Kappa为一般(0.36)。
患者因素与运动伪影
我们发现年龄(平均年龄67岁 vs. 78岁;p < 0.001)、Charlson合并症指数(平均评分1.2 vs. 1.8;p < 0.001)、肢体运动症状(21% vs. 46%;p < 0.001)与运动伪影的存在显著相关。同时,感觉症状与较低的运动伪影发生率相关(19% vs. 7%;p = 0.020)。在多变量回归中,年龄(每十年OR 1.61;p < 0.001)和肢体运动症状(OR 2.36;p = 0.003)的显著性持续存在(见表2)。多变量模型预测运动伪影的测试AUC为0.73(95% CI:0.66,0.80)。
MRI采集参数
在逐序列分析中,2484个序列中有178个(7.2%)存在运动伪影。较长的采集时间、较少的平均次数和3D采集与运动伪影显著相关。梯度回波序列(磁敏感加权成像(SWI)和T2*GRE)在存在伪影的序列中所占比例过高(表3,图3)。
诊断测试准确性——运动伪影与图像质量
运动伪影使AI工具检测出血的准确性显著降低21个百分点(67% vs. 88%;p < 0.001)。虽然人类阅片者的准确性也受到显著影响,但降低幅度较小,为7个百分点(93% vs. 100%;p < 0.001)。AI工具检测缺血性病变或肿瘤病变的准确性在存在运动伪影的病例中也较低,但不显著(见表4)。图4展示了AI工具假阳性病例的示例,图5展示了假阴性病例。我们还将不同MRI序列的图像质量与诊断测试准确性进行了绘图(图6)。
人群归因分数
对于缺血、出血和肿瘤检测,分别有10%、18%和9%的不准确AI诊断发生在有运动伪影的病例中。这对应于3%、12%和2%的人群归因分数(AFp),意味着运动伪影占AI检测缺血、出血和肿瘤不准确性的这些比例。
运动伪影的敏感性分析
我们通过使用重复DWI、FLAIR、SWI或T2*GRE序列作为低图像质量的标志物来检验研究结果的稳健性。较高年龄、合并症指数和肢体运动症状与重复序列显著相关。在多变量回归中,年龄和肢体运动症状的显著性仍然存在。对于诊断试验准确性,我们发现重复序列的准确性出现非显著性下降(AI缺血89% vs. 83%;p = 0.13,AI出血87% vs. 82%;p = 0.20,AI肿瘤88% vs. 82%;p = 0.14)。
在另一项敏感性分析中,如果任一阅片者注意到运动伪影即视为存在(191/775(24.6%))。多变量分析显示与较高年龄、合并症和运动症状显著相关。在有运动伪影的病例中,AI和放射学报告检测出血的准确性显著下降。同时,运动伪影对AI出血检测的AFp为21%,AI肿瘤检测为2%。在此我们观察到AI缺血检测没有下降(详情见电子补充材料)。
讨论
在本研究中,我们确定了一家大型非综合性卒中中心疑似卒中患者临床队列中脑MRI序列上运动伪影的患病率。我们识别了与运动伪影相关的患者因素和扫描参数,并估计了运动伪影对人类和AI工具检测缺血性、出血性和结构性病变的影响。总体而言,我们在7%的MRI扫描中发现了运动伪影。SWI/T2*序列尤其易受运动伪影影响,可能由较长的采集时间所致。我们的研究表明,运动伪影与较高患者年龄和运动症状独立相关。运动伪影与出血检测的较低诊断试验准确性和特异性相关,并且它们解释了高达五分之一的错误AI出血预测。缺血性卒中更为常见,出血性卒中仅占所有急性卒中的约15% [23]。虽然AI缺血检测在有运动伪影的病例中特异性低于无运动伪影的病例,但差异不显著。如果假设存在因果关系,运动伪影仅能解释少数百分比的错误AI缺血性(3%)和占位性(2%)预测。这表明运动伪影对某些AI疾病预测的影响可能大于其他预测。
我们的结果还显示,在出血检测方面,人工智能工具比人类阅片者更容易受到运动伪影的影响。可能的解释包括:人工智能的训练数据可能主要由较高质量图像组成,或者人类阅片者能够更好地过滤伪影。这意味着在 use 诊断性人工智能工具之前,图像质量控制尤为重要,因为这有助于减少假阳性预测的数量。
将运动伪影的发生率与现有文献进行比较,一项对192例磁共振神经轴检查的研究发现,8%的门诊患者和29%的住院或急诊科磁共振检查中存在运动伪影[24]。这表明我们的双阅片者定义可能过于严格,因为我们发现双阅片者定义下运动伪影发生率为7%,单阅片者定义下为25%。然而,这些数字也可能反映了患者人群和扫描设备的差异。一项关于接受磁共振检查的神经系统疾病患者教育的研究发现,316例对照患者中16%存在运动伪影,而干预组312例中为9%,突显了患者教育的有效性[25]。这种效应在门诊患者中可能更强,因为部分卒中患者可能难以理解指令。
由于诊断试验准确性研究通常排除存在严重伪影的患者,我们未发现关于磁共振序列质量如何影响人工智能和人类阅片者准确性的比较文献。我们也未发现关于疑似卒中患者磁共振运动伪影相关因素的文献,尽管一项头部CT扫描研究将运动伪影与卒中严重程度、患者年龄较大以及卒中发作至扫描时间较短相关联[26]。
我们的研究发现,运动伪影对特异度的影响大于对敏感度的影响,这一模式也在用于检测非增强头部CT上颅内出血的深度学习模型中观察到,其中假阳性在存在条纹或运动伪影的患者中更为常见[27]。这也反映在另外两项研究中,这两项研究探讨了减少噪声和运动伪影的方法,以防止fMRI数据和小目标检测算法中的假阳性[28, 29]。
处理运动伪影有几种方法,可分为运动预防(训练、分散注意力、患者镇静)、伪影减少(例如更快的成像)和运动校正[22, 30]。我们关于运动伪影相关因素的发现有望转化为风险评分,因为我们确实在临床MRI前因素中发现了一些预测潜力。预测运动伪影风险高的患者可以安排特定的方案,采用更短的序列和深度学习伪影减少技术来最小化运动伪影。未来的研究应在前瞻性设置中验证运动伪影风险评分,以提高图像质量并最终提高诊断准确性。人工智能开发者应在上分析之前对序列实施质量筛查,并拒绝分析低质量序列[31, 32],但要做到这一点,迫切需要就人工阅片者的伪影定义达成一致。自动化质量评估工具可能有助于更客观地量化图像质量。然而,我们发现没有工具能够评估DWI、FLAIR和SWI/T2*序列的运动伪影。虽然存在一些针对T1序列的工具,但它们在这个疑似卒中队列中不适用,因为T1成像未纳入MRI方案[33–35]。
我们的研究存在一些局限性。虽然样本量对缺血足够,但队列仅包含少量出血和颅内肿瘤。这意味着我们无法充分研究运动伪影对这些病变检测敏感性的影响,这可能是未来研究的主题。尽管进行了预培训课程并分发了分级示例,我们发现阅片者对DWI质量分级的一致性仅为轻微。五位阅片者报告的运动伪影患病率从11%到25%不等。这表明MRI质量评估既高度主观又与序列相关。这与文献一致,文献中描述阅片者之间MRI图像1至5分分级的κ值为0.12[36]。患者病情和症状更严重的综合性卒中中心可能会经历更高的运动伪影发生率。例如,我们发现11%的缺血性病变患者存在运动伪影,而无缺血性病变的患者仅为6%(p = 0.029)。虽然我们的运动伪影患病率发现仅能推广到患者构成与我们相似的非综合性卒中中心,但运动伪影病例中降低的特异性可能可推广到其他中心。最后,我们对放射学报告诊断准确性的估计可能存在混杂,因为参考标准未对报告或临床信息设盲。我们旨在通过纳入所有相关临床数据来确保用于AI比较的最高质量参考标准,这也是先前研究中使用的方法[37]。
虽然我们的研究提供了新的见解,但仍需未来研究来验证和推广这些发现。纳入多样化患者群体、不同目标疾病和不同人工智能工具的多中心研究将增进对运动伪影影响诊断性人工智能工具的理解。MRI序列开发者应优先考虑对运动伪影的鲁棒性,人工智能工具开发者应采取措施将具有各种图像质量和伪影的病例纳入其训练数据。训练数据的增强可能会降低我们所观察到的对运动伪影的敏感性。
总之,我们发现连续疑似卒中队列中约十四分之一患者的脑MRI存在运动伪影,且尤其见于老年患者和有运动症状的患者。磁敏感加权成像(SWI)/T2*序列比弥散加权成像(DWI)和液体衰减反转恢复(FLAIR)序列更容易受到运动伪影的影响。我们观察到,在存在运动伪影的病例中,人工智能工具和人类读者在检测急性颅内出血方面的特异性均显著降低。
补充信息
电子补充材料
引用
- Krag CH, Müller FC, Gandrup KL, et al. Motion artifacts and image quality in stroke MRI: associated factors and impact on AI and human diagnostic accuracy. Eur Radiol. 2025. PMID: 40664863. doi:10.1007/s00330-025-11807-7
- 全文:PMC12712086(PMC 开放获取,CC BY)https://pmc.ncbi.nlm.nih.gov/articles/PMC12712086/
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。