垂体神经内分泌肿瘤:超分辨率深度学习重建评估研究
本回顾性研究纳入29例垂体神经内分泌肿瘤(PitNET)患者,比较超分辨率深度学习重建(SR-DLR)与零填充插值(ZIP)对垂体MRI图像质量及PitNET评估的影响。结果表明,SR-DLR在图像噪声、锐利度、伪影、肿瘤显示及诊断可接受性方面均显著优于ZIP(p<0.001),且信噪比和对比噪声比显著更高,垂体柄偏移的读者间一致性有优于ZIP的趋势(0.518 vs 0.405)。
要点
- SR-DLR在垂体T2加权冠状位图像上显著提升图像质量,所有定性评估项目均优于ZIP(p<0.001)。
- SR-DLR的SNR脑脊液、SNR肿瘤及CNR均显著高于ZIP(p<0.001),且不牺牲信噪比。
- SR-DLR的垂体柄偏移读者间一致性有优于ZIP的趋势(0.518 vs 0.405)。
核心结论
- SR-DLR重建的垂体MRI图像空间分辨率提高、SNR改善、伪影减少,显著改善PitNET显示和诊断可接受性。
- SR-DLR在垂体柄偏移评估中的读者间一致性总体优于ZIP图像。
- 作者建议在常规临床实践中使用SR-DLR而非传统ZIP重建垂体T2加权冠状位MRI图像。
研究设计与样本
- 回顾性研究,纳入2024年7月至2025年2月期间接受垂体MRI的29例PitNET患者(平均年龄52.4±15.7岁,男16例、女13例;微腺瘤11例、大腺瘤18例;肿瘤中位大小12 mm,四分位距8–18 mm)。
- 使用3 T MRI设备(Vantage Centurian, Canon Medical Systems)行冠状位垂体T2加权成像,分别以SR-DLR(Precise IQ Engine)和ZIP重建,SR-DLR与ZIP的ZIP因子分别为3和2。
- SR-DLR与ZIP的重建直径(140 mm)、层厚(3 mm)和层间距(3.3 mm)相同;矩阵/像素间距分别为816/816/0.1716 mm和544/544/0.2574 mm。
- 由3名分别具有9年、7年和4年诊断影像经验的读者进行定性评估,1名具有15年经验的放射科医师进行定量ROI分析。
- 参考标准未涉及手术或病理对照,原文说明并非所有患者MRI后接受手术,未进行影像与手术或病理结果的相关性分析。
关键影像表现/征象
- 垂体柄偏移读者间一致性:SR-DLR平均0.518,ZIP平均0.405,SR-DLR有优于ZIP的趋势,且所有读者对之间SR-DLR均较ZIP改善。
- 海绵窦侵犯(Knosp分级)读者间一致性:SR-DLR平均0.621,与ZIP的0.638几乎等效。
- 定性图像分析中,SR-DLR在噪声、锐利度、伪影、PitNET显示及诊断可接受性所有项目上均显著优于ZIP(p<0.001)。
- 定量分析:SR-DLR的SNR脑脊液为33.3±7.6,显著高于ZIP的20.0±3.0(p<0.001);SNR肿瘤为11.4±5.7,显著高于ZIP的7.8±3.2(p<0.001);CNR为12.7±5.7,显著高于ZIP的8.5±3.9(p<0.001)。
- 空间分辨率指标:SR-DLR的FWHM为0.67±0.19 mm,显著小于ZIP的1.27±0.72 mm(p<0.001);ERS为5433±2959,显著高于ZIP的2177±1395(p<0.001);ERD在SR-DLR为1.22±0.57 mm、ZIP为1.39±0.72 mm,两者无统计学显著差异(p=0.171)。
诊断标准与关键数值
- 垂体柄偏移评估分为右、中、左三分类,读者间一致性采用线性加权kappa分析。
- 海绵窦侵犯采用Knosp分级:0级=未侵入海绵窦间隙;1级=内侧切线通道;2级=超出颈动脉间线;3级=向外侧延伸至海绵窦内和海绵窦上颈内动脉外侧切线,进入海绵窦上或下间隙;4级=完全包绕海绵窦内颈动脉。
- 定性图像质量评分标准:噪声(4=无或极少,3=轻度,2=中度,1=严重干扰诊断);锐利度(4=锐利,3=小区域轻度模糊,2=部分区域模糊,1=整体模糊);伪影(4=无或极少,3=轻度,2=中度,1=严重干扰诊断);PitNET显示(4=清晰,3=轻度不清,2=中度不清,1=整体不清);诊断可接受性(4=最佳,3=质量轻度下降但不干扰诊断,2=质量中度下降,1=不可接受)。
- 定量公式:SNR脑脊液=侧脑室平均信号强度/侧脑室信号强度标准差;SNR肿瘤=肿瘤平均信号强度/肿瘤信号强度标准差;CNR=(侧脑室平均信号强度−肿瘤平均信号强度)/√(((侧脑室信号强度标准差)²+(肿瘤信号强度标准差)²)/2)。
- FWHM、ERD和ERS通过垂直于透明隔的线性ROI信号强度轮廓计算,ERD取ERD1和ERD2平均值,ERS取ERS1和ERS2平均值。
临床应用与阅片要点
- SR-DLR在垂体T2加权冠状位图像上同时实现空间分辨率提升和噪声降低,可改善PitNET的显示和诊断可接受性。
- SR-DLR对垂体柄偏移评估的读者间一致性有改善趋势,可能有助于微腺瘤的定位。
- SR-DLR图像伪影较ZIP显著减少,尽管使用了ZIP因子3,提示其第二个卷积神经网络可有效减少振铃伪影。
- 作者建议在常规临床实践中使用SR-DLR而非传统ZIP重建垂体T2加权冠状位MRI图像。
- 作者指出SR-DLR的获益可能对肾功能损伤或钆对比剂过敏患者以及术后大腺瘤复查有意义。
局限性
- 本研究纳入的患者数量相对较少。
- 定性图像分析中读者可能知晓重建算法,尽管已对数据集进行随机化并确保读者不知晓背景信息。
- 并非所有患者MRI后接受手术,未进行影像表现与手术或病理结果的相关性分析。
- 微腺瘤通常采用动态增强MRI评估,未来需针对该技术评估微腺瘤开展研究。
- 其他厂商虽有类似算法,但详细机制不同,本研究结果不能直接适用于其他厂商的算法。
全文中译13 节 · 点击展开
引言
垂体神经内分泌肿瘤(PitNET)约占所有颅内肿瘤的15% [1]。PitNET可分为微腺瘤(尺寸等于或小于10 mm)和大腺瘤(超过10 mm)。PitNET可表现为激素症状,而大腺瘤还可能引起颅神经症状,例如由海绵窦空间侵犯所致的症状。MRI在评估PitNET的存在、位置、大小、局部压迫性占位效应和侵袭性方面起着至关重要的作用 [2]。
鉴于PitNET起源于垂体这一微小结构,PitNET的MRI成像需要高分辨率图像,并减小重建直径和更薄的层厚。除高分辨率成像外,动态研究通过增强PitNET与正常垂体之间的对比度有助于检测微腺瘤 [3]。使用辅助成像特征,如垂体柄偏移 [4],有助于微腺瘤的定位。然而,提高空间分辨率与采用更小的体素尺寸相关,这可能导致每个体素的信号降低。因此,高分辨率垂体MRI图像可能表现出较低的信噪比(SNR)——换言之,图像噪声增加。对比剂在肾功能受损或过敏患者中的给药面临挑战。
自2010年代中期以来,深度学习在放射学领域的应用受到了显著关注 [5, 6]。深度学习已被证明在多个方面有益,包括诊断成像 [7, 8]、放射学报告分类 [9, 10]和图像处理 [11–13]。近年来,超分辨率深度学习重建(SR-DLR)算法已经出现,能够在不损害SNR的情况下提高MRI图像的空间分辨率 [14–16]。SR-DLR已成功应用于评估与小结构相关的疾病,如神经血管压迫 [17]、脑微出血 [18]、颈椎神经根管狭窄 [19]、腰椎管狭窄中的马尾 [20]。鉴于不断积累的证据,SR-DLR有望成为提高平扫垂体MRI图像质量的有价值工具。
本研究的目的是通过与传统图像比较,评估SR-DLR对平扫垂体MRI图像质量及PitNET评估的影响。
材料与方法
本回顾性研究经我院机构审查委员会批准,并豁免了获取患者书面知情同意的要求。
患者
本研究纳入2024年7月至2025年2月期间在一台MRI设备上接受垂体MRI检查的PitNET患者。排除术后状态者(n = 4)和接受伽玛刀放射外科治疗者(n = 1)。此外,对于研究期间接受超过一次MRI检查的患者,排除首次MRI之后的任何检查(n = 2)。
MRI成像
冠状位垂体T2加权成像采用3 T MRI设备(Vantage Centurian,Canon Medical Systems)进行。MRI成像参数如下:重复时间4000 ms;回波时间81 ms;翻转角90度;回波链长度16;相位编码步数450;采集矩阵272/224;平均次数1.0。从源数据中,使用SR-DLR(Precise IQ Engine,由Canon Medical Systems市售)和零填充插值(ZIP)常规方法重建图像。SR-DLR和ZIP的ZIP因子分别为3和2。SR-DLR和ZIP的行/列/像素间距分别为816/816/0.1716 mm和544/544/0.2574 mm。SR-DLR与ZIP之间的重建直径(140 mm)、层厚(3 mm)和层间距(3.3 mm)相同。
SR-DLR的概念
我们采用了一种市售的SR-DLR算法,该算法包括三个步骤,可在不影响SNR的情况下提高空间分辨率。该算法包括以下步骤:
图像处理:成像数据首先使用经训练以减少图像噪声的卷积神经网络进行处理。
ZIP:图像经快速傅里叶变换处理后,对k空间进行ZIP因子为3的ZIP。ZIP是一种提高MRI图像空间分辨率的技术。然而,已知使用较高的ZIP因子可能导致振铃伪影。
伪影减少:数据经逆快速傅里叶变换处理后,应用经训练以减少此类伪影的第二卷积神经网络。该步骤确保在不引入振铃伪影的情况下实现提高的空间分辨率。
定性图像分析
三名阅片者(阅片者1、2和3,分别具有9年、7年和4年的诊断成像经验)参与了定性图像分析。分析前,一名放射科医师(放射科医师A,具有15年诊断成像经验)对所有图像数据集进行了随机化。PitNET的位置(放射科医师A审阅了冠状位T2加权图像,并在可用时审阅了增强MRI图像)已告知阅片者。阅片者对其他患者背景信息设盲。使用Image J(https://imagej.net/ij/),阅片者根据以下评估项目独立评估图像:
垂体柄偏移(右、中或左)。
根据Knosp分类算法[21, 22]的海绵窦间隙侵犯(0级=未侵犯海绵窦间隙,1级=内侧切线通过,2级=超出颈动脉间线,3级=向外侧延伸至海绵窦内和海绵窦上颈内动脉的外侧切线,进入海绵窦上腔或下腔,4级=完全包绕海绵窦内颈动脉)。
噪声(4=无或极少,3=轻度,2=中度,1=严重干扰诊断)。
锐利度(4=锐利,3=小区域轻度模糊,2=部分区域模糊,1=整体模糊)。
伪影(4=无或极少,3=轻度,2=中度,1=严重干扰诊断)。
PitNET显示(4=清晰,3=轻度不清晰,2=中度不清晰,1=整体不清晰)。
诊断可接受性(4=最佳,3=质量轻度下降但不干扰诊断,2=质量中度下降,1=不可接受)。
诊断可接受性(4 = 最佳,3 = 质量轻微下降但不影响诊断,2 = 质量中度下降,1 = 不可接受)。
定量图像质量分析
放射科医生A在右侧侧脑室上放置直径约5 mm的圆形或卵圆形感兴趣区(ROI)(图1a),并在肿瘤均匀区域放置直径最大5 mm(根据肿瘤大小调整)的感兴趣区(图1b)。随后,记录感兴趣区内信号强度的均值和标准差。然后,使用以下公式计算右侧侧脑室的信噪比(SNRCSF)、肿瘤的信噪比(SNRTUMOR)以及右侧侧脑室与肿瘤之间的对比噪声比(CNR):
SNRCSF = (侧脑室内信号强度均值)/(侧脑室内信号强度标准差)。
SNRTUMOR = (肿瘤内信号强度均值)/(肿瘤内信号强度标准差)。
CNR = (侧脑室内信号强度均值 - 肿瘤内信号强度均值)/√(((侧脑室内信号强度标准差)2 + (肿瘤内信号强度标准差)2)/2)。
放射科医生A还放置了一个垂直于透明隔相交的线性感兴趣区(图1c)。根据沿该感兴趣区的信号强度剖面,计算了半高全宽(FWHM)、边缘上升距离(ERD)和边缘上升斜率(ERS)(图1d)。
统计分析
统计分析使用R版本4.1.2(https://www.r-project.org/)进行。垂体柄偏斜和海绵窦间隙侵犯评估的读者间一致性使用线性加权kappa分析评估。定性和定量图像分析的结果分别在SR-DLR和ZIP之间使用Wilcoxon符号秩检验和配对t检验进行比较。p值小于0.050被认为具有统计学显著性。在本研究中,我们比较了两组,未进行任何多重比较。
结果
患者
本研究纳入了29例垂体神经内分泌肿瘤(PitNET)患者(平均年龄52.4 ± 15.7岁;男性16例,女性13例)。PitNET的中位大小为12 mm(四分位距8–18 mm)。其中微腺瘤11例,大腺瘤18例。
垂体柄偏斜和海绵窦间隙侵犯
每位读者对垂体柄偏移和海绵窦间隙侵犯的评分见表1。垂体柄偏移和海绵窦间隙侵犯评估的读者间一致性见表2。使用SR-DLR评估垂体柄偏移的平均读者间一致性为0.518,倾向于优于ZIP(0.405)(图2)。此外,与ZIP相比,SR-DLR在所有读者对之间对垂体柄偏移的读者间一致性均有改善。使用SR-DLR评估海绵窦间隙侵犯的平均读者间一致性(0.621)与ZIP(0.638)几乎相当。
定性图像质量分析
定性图像质量分析结果见表3。三位读者一致认为,SR-DLR图像在所有评估项目(噪声、锐利度[图3]、伪影、垂体神经内分泌肿瘤(PitNET)显示[图4和图5]、诊断可接受性)方面的质量均显著优于ZIP(所有p < 0.001)。
定量图像质量分析
在SR-DLR中,SNRCSF为33.3 ± 7.6,显著高于ZIP(20.0 ± 3.0)(p < 0.001)。同样,SR-DLR中的SNRTUMOR为11.4 ± 5.7,也优于ZIP(7.8 ± 3.2)(p < 0.001)。SR-DLR的CNR为12.7 ± 5.7,显著高于ZIP(8.5 ± 3.9)(p < 0.001)。
在SR-DLR中,FWHM为0.67 ± 0.19 mm,显著小于ZIP(1.27 ± 0.72 mm)(p < 0.001)。SR-DLR中的ERS为5433 ± 2959,显著高于ZIP(2177 ± 1395)(p < 0.001)。SR-DLR和ZIP中的ERD分别为1.22 ± 0.57 mm和1.39 ± 0.72 mm,两者之间无统计学显著差异(p = 0.171)。
讨论
垂体MRI需要高空间分辨率图像,这不可避免地导致噪声增加。在本研究中,我们发现SR-DLR算法成功实现了空间分辨率增强和图像噪声降低,从而使PitNET的可视化得到显著改善。与传统ZIP图像相比,SR-DLR图像在垂体柄偏移评估中的读者间一致性也趋于改善。
垂体柄偏移是PitNET的辅助影像学特征,有助于预测其在蝶鞍内的位置,尤其是对微腺瘤。从本研究中,我们观察到与ZIP相比,SR-DLR在垂体柄偏移评估中的读者间一致性趋于改善。相反,SR-DLR与ZIP在海绵窦间隙侵犯评估中的读者间一致性没有显著差异。这可能归因于垂体柄是一个小结构,据报道其于垂体插入处的直径为1.91 mm [23]。SR-DLR所实现的增强空间分辨率对垂体柄偏移的评估产生了积极影响。
垂体是一个小结构,垂体MR成像通常采用较小的重建直径和较薄的层厚。然而,空间分辨率较高的MRI图像通常与SNR降低相关,因为每个体素的MRI信号减弱。在本研究中,我们证实,在垂体MRI的定性和定量图像质量分析中,与传统ZIP图像相比,SR-DLR算法在不损害SNR的情况下实现了空间分辨率增强。具体而言,SR-DLR在定量图像分析中的SNR和CNR以及在定性图像分析中的图像噪声评分均显著高于ZIP图像。此外,定量分析中的FWHM和ERS结果以及定性分析中的锐利度评分表明,与ZIP图像相比,SR-DLR图像的空间分辨率有所改善。
在本研究中,所采用的SR-DLR算法使用了ZIP因子为3的ZIP处理。已知使用如此高的ZIP因子与振铃伪影的产生相关。然而,与ZIP图像相比,SR-DLR中的伪影被评定为显著减少。这表明SR-DLR算法中的第二个卷积神经网络成功实现了垂体MRI图像的伪影减少,并且可以安全地应用于垂体评估。
增强的空间分辨率、降低的图像噪声(或改善的信噪比(SNR)和对比噪声比(CNR))以及减少的伪影相结合,使得SR-DLR与ZIP相比,在垂体神经内分泌肿瘤(PitNET)的显示和诊断可接受性方面均有显著改善。尽管一些既往文章报道基于深度学习策略的重建算法有助于提高增强垂体MRI图像的质量[24, 25],但这些结果表明,在临床实践中,垂体MRI图像使用SR-DLR而非ZIP重建效果更好,对冠状位垂体T2加权图像亦然。我们的研究结果将对肾功能受损或有钆基对比剂过敏史的患者有益。此外,由于许多大腺瘤病例的术后成像可能不需要钆基对比剂[26],我们的结果对此类患者也可能有益。虽然我们未测量SR-DLR的重建时间,但SR-DLR与常规ZIP图像之间的重建时间并无较大差异。
本研究存在一些局限性。首先,本研究纳入的患者数量相对较少。然而,由于我们的研究获得了有希望的结果,未来有必要开展纳入更多受试者的前瞻性研究。其次,在定性图像分析中,阅片者可能存在知晓重建算法的风险。然而,我们已在定性图像分析前努力对数据集进行随机化,并确保阅片者不知晓背景信息。第三,并非所有患者均在MRI检查后接受了手术,因此未进行影像学表现与手术或病理结果之间的相关性分析。第四,微腺瘤通常使用动态增强MRI进行评估。未来有必要开展聚焦于使用该技术评估微腺瘤的研究。最后,虽然其他厂商也提供类似算法,但其具体机制各不相同。因此,我们的研究结果不会直接适用于其他厂商的算法。
总之,使用SR-DLR重建的垂体MRI图像表现出增强的空间分辨率、改善的SNR和减少的伪影,从而显著改善了PitNET的可视化并提高了诊断可接受性。此外,SR-DLR在垂体柄偏移评估中的阅片者间一致性总体优于ZIP图像。因此,在常规临床实践中,建议使用SR-DLR而非传统ZIP来重建垂体T2加权冠状位MRI图像。
引用
- Yasaka K, Katayama A, Sakamoto N, et al. Pituitary neuroendocrine tumor: evaluation with super resolution deep learning reconstruction : Research. Neuroradiology. 2025. PMID: 41117831. doi:10.1007/s00234-025-03819-3
- 全文:PMC12906595(PMC 开放获取,CC BY)https://pmc.ncbi.nlm.nih.gov/articles/PMC12906595/
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。