勾画两个特定颅内面积及垂直颅内宽度即可充分估算颅内体积
研究基于62例哥德堡MCI研究参与者的1.5-T MR图像,比较四种颅内体积估算方法与全颅骨手动勾画ICV的相关性。方法3(两个矢状面ICA之和乘以垂直颅内宽度,位置为颅内矢状宽度的17.5%和64%)验证集Pearson相关达0.997,且估算耗时不超5分钟。
要点
- 勾画两个矢状面颅内面积(位于颅内矢状宽度17.5%和64%处)可充分估算ICV,与全勾画ICV的Pearson相关为0.997。
- 单矢状面ICA位于31%处时相关为0.986,方法3和方法4在矢状面ICA时相关均为0.997。
- 头位在冠状或横断面偏转5度内时相关一般约0.995,偏转10度内不低于0.99。
核心结论
- 勾画两个特定颅内面积足以充分估算颅内体积,方法3在矢状面ICA位置为17.5%和64%时与全勾画ICV的Pearson相关为0.997。
研究设计与样本
- 研究纳入哥德堡MCI研究的62例参与者(23男39女,平均年龄66岁,中位MMSE评分28.5),使用1.5-T Siemens Symphony扫描仪的冠状MP-RAGE序列。
- 以全颅骨手动勾画ICV为参考标准,评估四种ICV估算方法,方法2–4将62例随机等分为训练集和验证集,方法1对全部62例验证。
诊断标准与关键数值
- 方法1(中矢状面ICA)与全勾画ICV的Pearson相关为0.904。
- 方法2在矢状面ICA位于颅内矢状宽度31%处时相关为0.986。
- 方法3在矢状面ICA位于17.5%和64%处时相关为0.997,方法4在12%和64%处时相关为0.997。
- 方法4用冠状面ICA时平均百分比误差最小(1.4 ± 1.1%),用矢状面ICA时百分比误差方差最小(6.7 ± 0.7%)。
- 中矢状面ICA勾画的观察者内和观察者间Pearson相关分别为0.997和0.995。
临床应用与阅片要点
- 作者建议勾画两个矢状面ICA并乘以颅内矢状宽度:若头在冠状或横断面倾斜超过5度,先旋转图像使纵裂垂直。
- 作者建议的步骤为:计数颅腔内所有矢状面层数,乘以0.175和0.64得到ICA位置,找到最接近这两位置的矢状面层并勾画,将两ICA之和乘以层数。
- 作者指出使用T2加权图像可能因颅骨与脑脊液对比更好而提高估算可靠性。
局限性
- 本研究不同方法的相关性未包含观察者方差,方法有效性可能因观察者而低于所建立的水平。
- 结果对其他人群和其他MR序列的普适性无法仅从本研究确定。
- 本研究MR序列出于便利选择,因既往研究已有全勾画ICV可用。
- 估算有效性不随脑萎缩变化的假设未经验证。
全文中译25 节 · 点击展开
引言
磁共振(MR)成像中颅内体积(ICV)的估计主要用于减少感兴趣脑区体积的方差。为减少由ICV差异引起的方差,线性回归已被建议使用[1–3]。此时,方差缩减受限于ICV估计值与ICV的Pearson相关系数的平方。在Voevodskaya等人的一项研究中,由FreeSurfer估计的ICV解释了健康老年人海马体积约16%的方差[2]。通过归一化将方差从16%降至1%需要ICV估计值与ICV的Pearson相关系数达到0.97([1–0.01/0.16]0.5)。1
手动勾画整个颅骨内板可能是MR图像中估计ICV最有效的方法,但耗时数小时[4]。取而代之,常用的是从每第十个颅内面积(ICA)计算得到的估计值[5–8]。此类估计所需时间约为15分钟[4],且已证明这些估计对于体素约为1 mm3的MR采集具有高度有效性[4, 9]。通过增加ICA的间距,估计所需时间减少,但有效性也随之降低[4, 9]。以50 mm间距勾画两到三个ICA可获得约0.96–0.99的相关系数,耗时不到5分钟[4],而使用一个正中矢状面ICA则将相关系数降至约0.88–0.89[10, 11]。
可能在最佳位置勾画一个或两个ICA就足以达到与完全勾画ICV之间0.99的相关系数,因为该数值处于以50 mm间距勾画ICA时所发现相关系数的上限范围内。垂直于ICA的颅内宽度可用于确定ICA的位置并提高估计的有效性。
本研究的目的是确定勾画一个或两个最佳选择的颅内面积(ICA)是否足以获得ICV的充分估计。
材料与方法
参与者
本研究的所有参与者均属于哥德堡MCI(轻度认知障碍)研究的一部分[12, 13]。参与者为转诊至记忆门诊的患者或从老年人组织中招募的对照者。哥德堡MCI研究已获伦理批准(登记号L091–99,1999年;T479–11,2011年),所有参与者均已签署书面知情同意书同意参与。
本研究共纳入70名参与者,但8名因MR图像未包含整个颅穹而必须排除。被排除的参与者中男性比例较高。剩余参与者与被排除参与者之间在年龄、教育程度和简易精神状态检查(MMSE)评分方面无差异。剩余参与者中23名为男性,39名为女性,平均年龄66岁,平均教育年限11年,MMSE评分中位数为28.5。其中25名参与者为痴呆患者,8名患有主观或轻度认知障碍,29名为正常对照。
参与者和手动ICV勾画与Klasson等人先前研究中的相同[4]。
MR采集
本研究使用了1.5-T Siemens Symphony扫描仪的冠状位MP-RAGE序列。采集参数为:回波时间=2.38 ms,视野=250×203 mm,翻转角=15°,反转时间=820 ms,矩阵大小=512×416,采集像素间距=1.0×1.0,重建像素间距=0.49×0.49 mm,重复时间=1610 ms,层厚=1 mm,带宽=220,层数=192,平均采集时间=1.97 min,发射线圈=体线圈。
使用完全勾画的ICV进行手动估计
对MR图像进行了预处理,包括降采样至1 mm立方体素[4],并在所有层面上沿矢状方向的硬脑膜手动勾画整个颅穹窿。勾画遵循Eritaia等[9]描述的标志点。图1显示了其中一个完全勾画的ICV。
为了实现冠状位、矢状位和横断位方向的ICA,使用MATLAB(版本R2012b)的inpolygon函数将矢状位勾画重建为二值ICV掩膜。手动旋转ICV掩膜以对齐前连合和后连合(ACPC)轴,并使纵裂在横断位和冠状位视图中呈垂直方向。旋转使用imwarp函数并采用三次插值完成。
估计方法
通过与完全勾画的ICV进行比较,验证了四种ICV估计方法。除勾画ICA外,方法2和方法3还利用垂直颅内宽度,其估计为颅穹窿最外缘在垂直于ICA平面方向上的距离。通过定位ICV掩膜中最外侧的体素来自动找到边缘。第4.2节提出了其中一种方法的手动操作方式。
方法1
方法1使用正中矢状位ICA作为ICV的估计值,该层面由中脑水管最明显的层面确定。
方法2
方法2使用给定方向上的单个ICA乘以垂直于该ICA平面的颅内宽度。
方法3
方法3使用给定方向上两个ICA之和乘以垂直于ICA平面的颅内宽度。图2展示了使用方法3计算估计值的过程。
方法4
方法4对给定方向上的两个ICAs采用保形分段三次插值。为了获得整个颅腔体积的插值,而不仅仅是两个ICAs之间的体积,利用了ICA在颅骨边界之外为零mm²这一事实。插值使用MATLAB(版本R2015b)函数interp1进行,所得面积之和用作ICV估计值。补充材料中的视频1展示了使用方法4计算估计值的过程。
ICAs的位置以垂直于颅内宽度的百分比确定,以下称为位置指数。位置指数从参与者的右侧开始计算,在矢状方向上从右侧开始,在冠状方向上从前方开始,在横断方向上从上方开始,例如,指数为78的矢状面将位于颅内矢状宽度的78%处。对于颅内矢状宽度为150 mm的参与者,ICA将是最接近距颅顶右侧117 mm(150 mm *78/100)的那个。
方法评估与验证
对于方法1,计算了与62个完全勾画的ICVs的Pearson相关性。还对全部62次MR采集进行了评估者内(N. Klasson)和评估者间(S. Skau)的重新估计。重新估计在初始估计至少6个月后进行,两位评估者对参与者数据和之前的估计均设盲。
对于方法2–4,将62个ICV掩模随机分为大小相等的训练集和验证集。为了找到各方向最合适的ICA位置指数,在训练集中评估了使用0.5%间隔的所有可能指数组合。以与完全勾画的ICVs的Pearson相关性最高的估计值所对应的指数来定义方法,然后使用验证集进行验证。
在训练步骤中,对于每个给定的位置指数,计算的Pearson相关性是给定ICA的估计值与使用两个最接近ICAs的估计值的平均相关性。对于使用两个ICAs的方法,计算了所有可能的ICA对组合的平均相关性(所评估的每对位置指数有32种可能组合)。这样做是为了降低找到以下方法的风险:使用相邻ICA会给出差得多的估计值。然后在不考虑相邻ICAs的情况下,在验证步骤中对所得方法进行验证。
方法3的进一步评估
进行了两项额外评估,以确定方法3在使用矢状ICAs时是否可以简化。这些评估在验证样本上进行,效果通过所得估计值与完全勾画的ICVs的相关性来衡量。
起始侧
为矢状ICAs找到的位置指数从患者的右侧开始。由于颅骨相当对称,这些指数可能从任一侧均可使用。因此,我们确定了(1)使用患者左侧的指数计算估计值的效果,以及(2)使用患者左侧或右侧随机指数计算估计值的效果。第二项分析进行了500次。
头部旋转的影响
为评估横向和冠状头部旋转对估计值有效性的影响,我们确定了:(1) 当所有MR采集在任一或两个方向上均等旋转−10至10度时旋转的影响,以及(2) 当所有MR采集在两个方向上在−10至10度的给定范围内随机旋转时旋转的影响。第二次分析进行了500次。
统计工具
Pearson相关性在MATLAB(版本R2015b)中使用corrcoef函数计算。然后使用方法2至4发现的相关性使用重叠相关性差异的置信区间进行比较[14]。
结果
从方法3和4的训练步骤中,图3可视化了完全勾画的ICV与使用不同位置指数的估计值之间发现的平均Pearson相关性。两种方法在相同的位置指数组合附近显示出最高的相关性。虽然ICA的所有三个方向都产生了相关性接近1的估计值,但使用矢状ICA提供了更广泛的位置指数范围,从而产生了高相关性的估计值。方法3使用矢状ICA时的最佳位置指数为垂直颅内宽度的17.5%和64.0%,方法4为12.0%和64.0%。
表1列出了从训练步骤获得的最佳位置指数(图3中的绿点)以及验证步骤中相应的Pearson相关性和百分比误差。表1还列出了方法1的估计值与完全勾画的ICV的Pearson相关性。验证步骤中最高的相关性,r = 0.997,由方法3和4在使用矢状ICA时达到。验证步骤的相关性也在图4中可视化。最小的平均百分比误差由方法4在使用冠状ICA时实现,最小的百分比误差方差由方法4在使用矢状ICA时实现。
起始侧
见表1。对于使用矢状ICA的方法3,分别始终使用患者左侧和右侧的位置指数时,与完全勾画ICV的相关性差异可忽略不计。当随机使用患者左侧或右侧的指数时,相关性略有下降。
相关性比较
图5直观展示了方法2、3和4之间相关性差异的置信区间。在95%置信水平下,使用矢状位ICAs的方法4所得到的估计值与完全勾画的ICVs的相关性高于所有其他估计值,但使用矢状位ICAs的方法3除外。
头部旋转的影响
图6说明了当使用矢状位ICAs的方法3时,头部偏离首选对齐方式的旋转将如何降低估计值与完全勾画的ICVs的相关性。平均而言,当偏离首选对齐方式在5度以内时,冠状位和横断位方位上的错位不会使相关性降至0.995以下;在10度以内时不会降至0.99以下。
评估者内和评估者间相关性
正中矢状位ICA勾画的评估者内和评估者间Pearson相关性分别为0.997和0.995。
讨论
勾画两个ICAs即足以获得充分的ICV估计。两个选定ICAs之和乘以垂直于ICAs的颅内宽度,已被证明与完全勾画的ICV具有高于0.99的Pearson相关性。即使仅使用一个位于颅内矢状宽度31%处(从患者右侧计)的矢状位ICA,与完全勾画的ICV也达到了0.986的相关性。
保持形状的分段三次插值,而非将两个ICA之和乘以颅内宽度,几乎未能改善与完全勾画的ICV的Pearson相关性。然而,采用三次插值时,估计值的百分比误差较小。采用冠状位ICA的三次插值产生了最小的绝对百分比误差(1.4 ± 1.1%),而使用矢状位ICA则产生了最小的百分比误差方差(6.7 ± 0.7%)。当使用线性回归时,平均百分比误差的重要性较低,矢状位ICA仍优于冠状位ICA(图5)。
正中矢状位ICA与完全勾画的ICV之间的Pearson相关性与先前两项研究中显示的相似(r = 0.88–0.89)[10, 11],但小于在儿童群体中发现的Spearman rho(rho = 0.96)[15]。在Nandigam等人的研究中,使用了6.5 mm层厚、1.5 mm层间距的切片,两个最正中矢状位ICA的平均值产生的估计值Pearson相关性为0.94 [10]。以50 mm间距勾画两到三个ICA可能产生约0.96–0.99的相关性[4],如果使用四个特定ICA并采用三种不同方向,则相关性为0.99 [16]。此前,需要以小于35 mm的线性间距勾画多个ICA才能达到0.99以上的相关性[4, 9]。目前可用的最佳自动方法对人工或半人工ICV估计值的相关性通常在0.97–0.99左右[6, 8, 17]。
头部位置
当勾画一个或两个ICA时,图像中头部的位置比使用多个ICA时更为重要。在本研究中,所有头部在三个平面上均统一对齐。然而,根据待分割ICA的方向不同,需要对齐的平面也有所不同,例如,勾画矢状位ICA时无需将头部对齐至ACPC轴。方法3中头部旋转的影响针对矢状位ICA进行了评估。通过该评估可以发现,与优选对齐方式相比,冠状位和横断位5度以内的错位通常可将与完全勾画ICV的相关性降至约0.995左右,且从未低于0.99。
建议方法
为在使用线性回归时获得良好的ICV估计以实现方差缩减,我们建议勾画两个矢状位ICA并乘以内颅内矢状宽度。这意味着应遵循以下步骤:(1) 如果头部在冠状位或横断位视图中的倾斜超过5度,则旋转MR图像,使纵向裂在这些视图中呈垂直方向;(2) 计数颅穹窿内的所有矢状位切片;(3) 将切片计数乘以0.175和0.64以获得待勾画ICA的位置;(4) 找到最接近这两个位置的两个矢状位切片(从两个最外侧矢状位切片中的任一侧计数);(5) 在给定切片上勾画ICA;(6) 将两个ICA相加并乘以切片计数。
局限性
本研究中不同方法所发现的相关性不包括评估者间方差。根据评估者的不同,这些方法的有效性可能低于已确定的水平。
这些结果对其他人群和其他MR序列的可推广性无法仅通过本研究确定。在本研究中,MR序列的选择是出于便利,因为完全勾画的ICV已可从先前的研究中获得[4]。使用T2加权图像可能提高估计的可靠性,因为颅骨和脑脊液之间的对比度更好。
由于所评估的方法基于硬脑膜的勾画,估计的有效性不应随脑萎缩而变化。然而,这一假设未经检验。
结论
通过勾画位于颅内矢状宽度17.5%和64%处的两个矢状面ICA,可获得用于线性回归的简单且充分的ICV估计。与完全勾画的ICV的Pearson相关系数显示为0.997。该估计每个ICV获取时间不超过几分钟,并且与完全勾画的ICV的相关性强于任何已建立的自动方法的估计。
电子补充材料
影片1使用方法4进行颅内体积估计。灰色表面包围待估计的颅内体积(ICV)。随后绘制的黑线给出颅内冠状宽度。通过将颅内冠状宽度乘以两个位置指数,确定待勾画的颅内面积(ICA)的位置。灰色区域代表在给定位置处ICA的勾画。已知ICA在颅骨边界之外为零mm2,并且已知勾画的ICA及其位置,可通过保形分段三次插值估计ICV。所得面积之和即为ICV估计。(AVI 45234 kb)
引用
- Klasson N, Olsson E, Eckerström C, et al. Delineation of two intracranial areas and the perpendicular intracranial width is sufficient for intracranial volume estimation. Insights Imaging. 2018. PMID: 29374387. doi:10.1007/s13244-017-0583-0
- 全文:PMC5825311(PMC 开放获取,CC BY)https://pmc.ncbi.nlm.nih.gov/articles/PMC5825311/
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。