基于深度学习的非对比黑血MRI血管分割用于治疗动脉瘤随访:与TOF-MRA和DSA的比较研究
本研究开发卷积神经网络在非对比3D黑血T1W-MRI上自动分割颅内血管,并在84例患者90个治疗动脉瘤中与TOF-MRA比较复发检出,以DSA为参考标准。AL-BB-MRI与TOF-MRA一致性78%,两者对DSA准确率73% vs. 77%、敏感度均62%;AL-BB-MRI在血流导向装置或支架辅助治疗后表现更优,但颅内血流干扰装置后可靠性较低。
要点
- AL-BB-MRI与TOF-MRA在动脉瘤复发检出中一致性为78%(70/90),主要复发率分别为18%(16/90)和16%(14/90)。
- 以DSA为参考(n=22),AL-BB-MRI准确率73%、敏感度62%、特异度79%,TOF-MRA分别为77%、62%、86%。
- AL-BB-MRI在血流导向装置后准确率100% vs. TOF-MRA 86%,支架辅助弹簧圈后67% vs. 33%;颅内血流干扰装置后40% vs. 80%。
核心结论
- AL-BB-MRI在前循环动脉瘤复发检出中与TOF-MRA高度一致,两者对DSA表现相似;AL-BB-MRI在血流导向装置或支架辅助治疗后更优,但对颅内血流干扰装置和后排循环动脉瘤可靠性较低(证据等级5B)。
研究设计与样本
- 前瞻性研究,纳入2017年5月至2023年3月连续接受血管内治疗后随访的患者;模型开发用31例患者的37次3D黑血T1W-MRI检查,复发检出评估纳入84例患者90个动脉瘤,由三名放射科医生独立评估,DSA作为参考标准(n=22)。
关键影像表现/征象
- AL-BB-MRI通过将自动分割结果叠加于3D黑血T1W-MRI并生成3D表面渲染来显示动脉瘤复发。
- 在血流导向装置治疗后,TOF-MRA因装置相关信号丢失掩盖血管,而AL-BB-MRI的3D渲染可改善小复发的显示。
- 颅内血流干扰装置后,AL-BB-MRI将装置相关信号丢失误判为通畅血管,导致假阳性。
诊断标准与关键数值
- 复发采用二分类标准:无/轻微复发(<3 mm) vs. 主要复发。
- DSA结果采用Raymond-Roy分级二分类改编版评估。
- 模型血管分割Dice系数为0.81;AL-BB-MRI与TOF-MRA一致性为78%(70/90),Gwet‘s AC1为0.69。
- AL-BB-MRI vs. TOF-MRA对DSA:准确率73%(16/22,95%CI 0.5–0.89) vs. 77%(17/22,95%CI 0.55–0.92);敏感度均62%(5/8,95%CI 0.24–0.91);特异度79%(11/14,95%CI 0.49–0.95) vs. 86%(12/14,95%CI 0.57–0.98)。
- 按装置亚组:血流导向装置后AL-BB-MRI准确率100% vs. TOF-MRA 86%;支架辅助弹簧圈后67% vs. 33%;颅内血流干扰装置后40% vs. 80%,AL-BB-MRI特异度0.25(1/4)。
临床应用与阅片要点
- 本研究中心对血管内治疗颅内动脉瘤的随访方案以TOF-MRA为主要筛查方式。
- 本研究中心对所有血流导向装置或颅内血流干扰装置病例的首次随访加做DSA作为基线检查,对TOF-MRA发现大复发的再治疗候选者在随访中加做DSA。
- 本研究中心常规筛查安排在治疗后6、18、36、60个月,之后每3–5年一次;对可疑或小复发者提前安排TOF-MRA随访。
- 作者认为,将3D黑血MRI整合入常规临床随访是可行的,主要考虑是额外检查时间;在前循环动脉瘤及支架或血流导向装置植入后选择性应用可能是一种务实的替代策略。
局限性
- 单中心设计和同质性训练数据。
- 尽管使用了广泛采用的供应商提供血管壁成像序列,但不同制造商的黑血MRI技术差异显著,采集参数和图像对比度的供应商特异性差异可能限制模型性能的泛化性。
- 训练数据集受限于手动标注所需的大量时间(每次扫描约70分钟)。
- 临床限制导致DSA队列存在选择偏倚,偏向装置辅助治疗(n=12/22),可能不代表一般血管内治疗后动脉瘤人群。
全文中译15 节 · 点击展开
引言
血管内治疗(EVT)后,约25%的脑动脉瘤复发,9%需要再次治疗[1]。虽然TOF-MRA是检测复发的临床标准,但技术上受血流伪影和信号丢失的限制[2–5]。血流导向装置置入后,由于磁敏感伪影,信号衰减加重;而在瘤内血流干扰装置置入后最为严重,此时磁敏感伪影与法拉第笼效应叠加[6, 7]。
作为替代方案,高分辨率3D黑血T1加权MRI常用于神经血管成像。这些序列能极好地显示血管腔和血管壁形态[8],广泛应用于血管壁成像以及评估EVT后动脉瘤强化,同时克服了血流导向装置相关的信号丢失[8–13]。
为有效解读这些3D数据,最佳可视化至关重要。脑血管树是复杂的3D结构,仅凭源图像难以评估。因此,3D可视化是首选的评估方法[14],这体现在临床常规使用最大强度投影评估TOF-MRA中。
卷积神经网络(CNN)能够精确分割医学图像中的血管结构[15]。然而,既往脑血管CNN研究主要使用TOF或增强MRA[16],仅有一项使用3D黑血T1W-MRI[17]。
因此,我们开发了一种用于非增强3D黑血T1W-MRI脑血管分割的CNN。本研究旨在评估自动标注黑血MRI(AL-BB-MRI)在检测EVT后动脉瘤复发方面是否非劣效于临床标准TOF-MRA,以DSA为参考标准。
材料与方法
本前瞻性研究连续纳入2017年5月至2023年3月期间接受EVT后颅内动脉瘤随访的患者。我院血管内治疗颅内动脉瘤的随访方案使用TOF-MRA作为主要筛查手段。对于所有涉及血流导向装置或瘤内血流干扰装置的病例,以及随访中TOF-MRA发现大复发的再治疗候选者,在首次随访时额外进行数字减影血管造影作为基线检查。常规筛查检查安排在治疗后6、18、36和60个月,之后每隔3至5年一次。对于可疑或小复发病例,我们安排更早的TOF-MRA随访。本研究的纳入标准为年龄≥18岁且有临床指征的EVT后随访,需进行MRI和/或DSA。
人体伦理与参与同意
机构审查委员会按照《赫尔辛基宣言》批准了该方案(批准号:12/17)。所有参与者在纳入前均提供了书面知情同意。
成像技术
所有MRI扫描均在3 T Siemens Magnetom Prisma(德国埃尔朗根)上使用64通道头线圈采集。方案包括用于分析的3D黑血T1W-MRI和作为复发参考标准的TOF-MRA(扫描参数见表1)。相应的DSA检查在MRI后100天内于Philips Allura FD20/20双平面系统(荷兰贝斯特)上进行,纳入用于比较。图像处理使用Nora平台(https://www.nora-imaging.com)。
影像数据划分
本研究连续纳入110例患者、共121个接受治疗的动脉瘤。为进行卷积神经网络(CNN)开发与测试,我们使用来自31例随机选取患者的37次检查,按患者层面进行划分,并随机分配至:训练组(n = 27次扫描/22例患者)、验证组(n = 4次扫描/4例患者)和测试组(n = 6次扫描/5例患者),分别用于训练、超参数调优和报告评价指标。复发检测评估纳入84例连续患者(动脉瘤 n = 90),其中包括测试组,均接受血管内治疗(EVT)后首次MRI随访(图1)。
模型开发
感兴趣区(ROI)覆盖常见动脉瘤部位。基于既往发表的研究显示在较小血管中性能欠佳 [17],我们针对血管口径相近的血管分布区创建了区域特异性模型:
颈内动脉(ICA)、M1段、A1段和前交通动脉。
大脑前动脉A2段。
大脑中动脉(MCA)M2段。
后循环,包括颅内椎动脉、基底动脉和大脑后动脉。
二值掩膜在蒙特利尔神经学研究所空间(补充数据图S1)中手动生成,并使用SPM12(Wellcome Centre for Human Neuroimaging,伦敦,英国)转换至患者空间。一位资深神经放射科医师(S.E.,20年经验)在来自31例患者的37次3D黑血T1W-MRI扫描上标注了颅内动脉。
所有CNN模型均使用Patchwork CNN Toolbox [18]开发,在每个尺度上实现具有U-Net + +架构的分层多尺度网络 [19]。该架构在下采样臂与上采样臂之间具有嵌套密集跳跃连接以及中间卷积块,并在每个上采样节点计算损失函数。训练使用Adam优化器,固定学习率为0.001,批大小为32,采用随机权重初始化,并全程应用批归一化。未使用dropout层,也未采用早停策略。
训练四个亚区域模型时,以3D黑血T1W-MRI作为输入。每个模型产生一个3D NIfTI输出,包含每个体素属于血管树的概率,保持原始分辨率和患者坐标空间。这允许将输出直接叠加到源图像上并进行3D表面渲染。所有亚区域模型的概率输出和原始3D黑血T1W-MRI作为集成模型的输入,以产生最终预测。
模型参数包括:尺度数为3;Top-k损失设为1000。左右、前后和上下方向的数据增强:随机旋转 φ = 0.2,随机翻转和随机缩放0.2。采用U-Net + +架构;网络深度为6,具有以下特征维度 [24, 32, 48, 64, 128, 256],每个模型给出1.97 × 107个可训练参数和15,456个不可训练参数。我们以迭代方式训练模型,每次迭代包括来自每幅图像的64个图像块,并训练4个epoch。模型训练在1 × 107个图像块后停止。
动脉瘤复发
主要结局指标为动脉瘤复发,由三名放射科医师(P. C.、A. R.和U. W.,分别具有11年、6年和8年神经放射学经验)在AL-BB-MRI和TOF-MRA上采用二分类量表(无/轻微< 3 mm vs. major复发)进行评估[20]。评估在间隔≥两个月的独立会话中进行,读者对临床数据设盲(动脉瘤位置除外)。
展示内容包括TOF-MRA和3D黑血T1W-MRI的3D多平面重建,AL-BB-MRI以叠加方式叠加于3D黑血T1W-MRI上,并另外以3D表面渲染形式展示。分歧通过多数投票解决。所有DSA结果由第一作者采用Raymond-Roy量表的二分类改编版进行评估[21]。
统计学评价
统计分析采用R统计软件v4.4.0进行[22]。
为评价分割模型,使用DeepMind库(https://github.com/deepmind/surface-distance)计算重叠度和空间距离指标,主要关注Dice相似系数(DSC)。
为评价AL-BB-MRI相较TOF-MRA的复发检出性能,计算了模态间的绝对百分比一致性。虽然TOF-MRA广泛用于动脉瘤复发检出,但它并非金标准。我们采用一致性指标而非准确率来比较TOF-MRA和AL-BB-MRI。由于预期存在类别不平衡(major复发患病率9% [1]),我们使用Gwet‘s AC1或Fleiss’ κ(视情况而定)而非Cohen‘s κ,以避免“Kappa悖论”[23, 24]。
一致性指标包括:
读者性能:个体读者与其他读者及与共识的一致性,以识别离群值。
模态可解释性:各模态内部的评估者间一致性。
AL-BB-MRI vs. TOF-MRA:评估者内一致性和共识一致性。
为评价AL-BB-MRI和TOF-MRA与DSA的共识判读,我们报告了准确率、敏感度和特异度[25]。
亚组分析考察了:
确切解剖位置。
血管供血区(ICA、大脑前动脉、大脑中动脉或后循环供血区)。
植入装置(血流导向装置、囊内血流干扰装置或支架辅助弹簧圈栓塞)。
结果
我们队列的平均年龄为54.58(± 11.84)岁,女性占63.16%(n = 72)。表2呈现了各组患者的人口学数据、治疗方法和结果(各组详细数据见补充数据表S1)。
模型结果
亚区域模型使用三种损失函数进行测试[26]:二元交叉熵和Top-K-Loss(DSC分别为0.760和0.738),以及focal loss(DSC = 0.694)。最终模型选择Top-K-Loss,因其在后循环中表现优越,该区域有斑片状伪影的报道[17]。模型性能指标见表3(完整指标见补充数据表S2),代表性结果如图2所示。
MRI检查的一致性指标
共识阅片在16/90(18%)的AL-BB-MRI病例和14/90(16%)的TOF-MRA病例中识别出主要复发(表2)。TOF-MRA的平均阅片者一致性略高于AL-BB-MRI(两两一致性87%,与共识一致性93% vs. 83%两两一致性,91%与共识一致性)。AL-BB-MRI的平均阅片者自身一致性为79%,阅片者间一致性为74%;TOF-MRA为80%。共识一致性为78%。分歧包括:AL-BB-MRI检测到TOF-MRA漏诊的复发,位于前交通动脉7例动脉瘤、基底动脉3例动脉瘤、后交通动脉1例动脉瘤;而TOF-MRA检测到AL-BB-MRA漏诊的复发,位于脉络膜前动脉5例动脉瘤、前交通动脉2例动脉瘤、基底动脉1例动脉瘤、后交通动脉1例动脉瘤。详细一致性统计见表4。
对共识阅片结果的亚组分析(表4)显示:
按动脉瘤位置:副眼动脉段动脉瘤一致性为100%(7/7),基底动脉尖动脉瘤为50%(6/12)。
按血管供血区:颈内动脉(ICA)一致性为89%(25/28),后循环为60%(12/20)。大脑中动脉(MCA)一致性为1/1例动脉瘤。
按治疗装置:支架辅助弹簧圈栓塞和血流导向装置治疗后的共识一致性为80%(8/10),瘤腔内血流阻断后为14%(1/7)。
与DSA的比较
22例动脉瘤有DSA资料(表5)。真性复发发生于8例动脉瘤:7/10例采用弹簧圈栓塞伴或不伴球囊辅助治疗,1/12例发生于瘤腔内血流阻断后。支架辅助或血流导向装置治疗后无复发。与DSA相比,两种方法均显示出高准确度:AL-BB-MRI准确度为0.73(16/22,95% CI:0.5至0.89),敏感度为0.62(5/8,95% CI:0.24至0.91),特异度为0.79(11/14,95% CI:0.49至0.95)。TOF-MRA准确度为0.77(17/22,95% CI:0.55至0.92),敏感度为0.62(5/8,95% CI:0.24至0.91),特异度为0.86(12/14,95% CI:0.57至0.98)。在AL-BB-MRI与TOF-MRA不一致的9例中,AL-BB-MRI产生3例假阳性和2例假阴性,而TOF-MRA显示2例假阳性和2例假阴性。
亚组分析显示,AL-BB-MRI在血流导向装置治疗后(100% vs. 86%,图3)和支架辅助弹簧圈栓塞后(67% vs. 33%)具有更高的准确度。然而,AL-BB-MRI在瘤腔内血流阻断后的表现劣于TOF-MRA(40% vs. 80%),AL-BB-MRI在所有病例中均提示主要复发(特异度0.25(1/4),图4)。两种方法均能充分评估前循环动脉瘤,而TOF-MRA在后循环中更优(表5)。
讨论
我们开发了一种CNN,利用高分辨率非增强3D黑血T1W-MRI进行脑血管分割,与人工分割达到了极好的一致性(DSC = 0.81)。在连续患者组中,AL-BB-MRI用于EVT术后动脉瘤复发检测的准确性与TOF-MRA相当。我们观察到AL-BB-MRI与TOF-MRA之间78%的高一致性,以及两种模态与DSA相比的高准确性(AL-BB-MRI和TOF-MRA分别为73%和77%)。
既往CNN血管分割研究基于TOF-MRA,报告的DSC为0.8–0.9 [27–29]。我们的模型使用3D黑血T1W-MRI,达到了与既往发表文献相当的准确性(DSC = 0.81)。然而,其他研究描述了血管尺寸对分割准确性的影响,小尺寸血管段的DSC为0.41,中等和大尺寸血管段为0.76 [29, 30]。我们采用复杂网络架构的解剖亚区方法提高了小血管分割准确性,但结果在ICA区域仍然最高,并逐渐下降,M2段准确性最低(表3)。
既往比较TOF-MRA和DSA用于EVT术后动脉瘤复发评估的研究报告TOF-MRA敏感性/特异性为0.86 [31],评估者间一致性从三点量表上的(κ = 0.28–0.5)提高到使用二分量表时的κ = 0.58–0.62 [20, 32]。在我们的研究中,读者在AL-BB-MRI和TOF-MRA之间表现出一致的判读(AL-BB-MRI和TOF-MRA的平均评估者内一致性分别为79%,评估者间一致性分别为74%和80%)。各模态间的共识一致性高达78%,Gwet's AC1为0.69。
复发评估受到血管尺寸对AL-BB-MRI影响的作用,TOF-MRA一致性在眼动脉旁动脉瘤以及整体ICA区域均最高。然而,仅血管尺寸效应不能解释前交通动脉动脉瘤相比后循环病例的优越表现。这一差异可能源于两个因素:第一,尽管使用了区域特异性训练和更复杂的网络架构,模型可能未完全捕捉后循环血管系统的独特解剖特征。第二,模型可能受益于我们数据集中前交通动脉瘤病例的较高 prevalence,这可能增强了其学习弹簧圈-血管界面特征性信号模式的能力。
我们使用临床指征的DSA检查收集数据,导致可用检查数量较少,并存在选择偏倚,器械辅助治疗占比过高(n = 12/22)。在这些病例中,AL-BB-MRI(0.73)和TOF-MRA(0.77)显示出彼此相当的准确度,但低于既往报道的TOF-MRA数值(0.86)[31]。我们将此归因于针对器械辅助治疗的选择偏倚,其导致TOF-MRA中的信号丢失[6, 7],以及可用DSA检查有限,而非存在有利于TOF-MRA或AL-BB-MRI的固有差异。血流导向装置治疗后,DSA和TOF-MRA均未检测到任何真性复发,可能是由于器械相关信号丢失在TOF-MRA中掩盖了血管。同样,AL-BB-MRI在囊内血流干扰后显示出低特异度(0.25,1/4),很可能是因为卷积神经网络(CNN)将器械相关信号丢失误判为通畅血管。
除了三维黑血T1W-MRI在血管壁成像中的广泛使用外,其描绘血管病变的诊断价值此前已有描述,包括在颅内斑块表征和静脉窦血栓检测中的应用[8, 33, 34]。然而,在使用源图像或多平面重建进行报告时,血管复杂的三维构型难以评估。放射学实践中常用TOF-MRA的最大强度投影来提供血管树的全景概览。在黑血MRI中,最小强度投影可提供血管概览[34],但不能区分动脉和静脉结构。因此,动脉树分割通过生成选择性分离动脉结构、消除静脉污染的三维血管概览,提供了优于原始数据或最小强度投影的明显优势。此外,基于机器学习的算法可检测源图像中视觉上可能难以察觉的细微信号强度差异,如图3所示。
将三维黑血MRI整合到常规临床随访中是可行的。首先,所需序列在现代MRI扫描仪上广泛可用,并且很可能已在大多数神经血管中心实施。其次,从安全性和方案角度来看,其整合相对不成问题,因为它不需要对比剂。主要考虑因素是额外检查时间,这会增加总体扫描时长。在前循环动脉瘤以及支架或血流导向装置植入后选择性实施——其获益可能最为显著——可能提供一种替代的务实策略。
研究局限性包括:第一,单中心设计和同质化训练数据。此外,尽管本研究采用了广泛应用的、厂商提供的血管壁成像序列[8],但黑血MRI技术在不同制造商之间存在显著差异。这些采集参数和由此产生的图像对比度的厂商特异性差异可能限制模型性能的泛化能力。第二,训练数据集受限于手动标注所需的大量时间(每次扫描约70分钟),尽管我们基于斑块的CNN架构生成了数百万个训练斑块,产生了与既往研究[27, 28]一致的结果,从而减轻了这一限制。第三,临床限制导致我们的DSA队列中存在偏向器械辅助治疗的选择偏倚,这可能不能代表EVT术后动脉瘤的总体人群。
结论
使用高分辨率非对比3D黑血MRI对脑血管系统进行自动分割在检测前循环动脉瘤复发方面表现出有前景的性能,提示其作为EVT术后随访的替代或补充工具的潜力,尤其是在血流导向装置治疗后。然而,对于后循环动脉瘤和囊内血流干扰病例,性能有限(证据等级:5B)。
补充信息
以下是电子补充材料的链接。
补充材料1(PDF 232 KB)
补充材料2(XLSX 13.8 KB)
引用
- Elsheikh S, Rau A, Cimflova P, et al. Deep learning-based vessel segmentation in non-contrast black-blood MRI for treated aneurysm follow-up: a comparative study with TOF-MRA and DSA. Neuroradiology. 2026. PMID: 41790163. doi:10.1007/s00234-026-03936-7
- 全文:PMC13139250(PMC 开放获取,CC BY)https://pmc.ncbi.nlm.nih.gov/articles/PMC13139250/
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。