文献速递神经技术与安全MR

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

Delineation of two intracranial areas and the perpendicular intracranial width is sufficient for intracranial volume estimation.
PubMed 文献 · Insights Imaging · 2018-01-26

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
本译文由 AI 依据开放获取原文逐段翻译,供学习参考,可能存在误差,请以原文为准。原文 © 原作者,按 CC BY 许可使用,本译文为翻译改编。出处:Insights Imaging. 2018 Jan 26;9(1):25–34. doi: 10.1007/s13244-017-0583-0

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。

图1 完全勾画的颅内体积示例。来自其中一名参与者的矢状位磁共振图像。手动勾画的颅内区域以蓝色和粉色高亮显示。使用本研究的第3种方法,只需勾画粉色区域即可获得与完全勾画的颅内体积高度Pearson相关的估计值 查看原图 ↗

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。

图2 在冠状位方向上使用方法3估计颅内体积。灰色表面包围了待估计的颅内体积(ICV)。黑线表示冠状位颅内宽度,灰色区域为两个勾画的冠状位颅内面积(ICA)。使用方法3计算ICV估计值时,将冠状位颅内宽度乘以两个ICA之和 查看原图 ↗

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。

图3 训练步骤中发现的Pearson相关性。y轴和x轴显示位置指数(以颅内宽度的百分比表示),颜色显示训练步骤中发现的与完全勾画颅内体积的相关性。无颜色表示相关性小于0.95或给定位置指数组合未被评估。绿点为后来在验证步骤中验证的位置指数 查看原图 ↗
表1 结果 查看原表 ↗
图4 验证步骤中发现的Pearson相关性。方法(M)1的相关性及95%置信区间用x标记表示,方法2用方形标记表示,方法3用圆形标记表示,方法4用加号标记表示。对于每种方法,除方法1外,冠状(Cor)、矢状(Sag)和横向(Tra)颅内面积的相关性从左到右呈现。虚线标记相关性为0.99的y坐标 查看原图 ↗

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。

图5 相关性比较。在95%置信水平下,方法2至4(M2–4)之间相关性的实际差异位于所绘制箱体的高度范围内。y轴的单位为Pearson相关系数,范围在−0.1至0.1之间。每个图的上方还以四舍五入至最接近千分位的数值给出了置信区间。列标题标明计算置信区间时以哪个相关性作为被减数,行标题标明以哪个相关性作为减数。平面表示相关性差异为零,当置信区间穿过零时平面为红色,表明所比较的两种方法之间的实际差异可能为零。C(冠状位)、S(矢状位)和T(横断位)表示所用颅内区域的方位 查看原图 ↗

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。

图6 使用矢状位方法3时的头部旋转。a 三次在冠状位和横断位方位上发生错位的不同磁共振(MR)采集。左列示偏离首选对齐方式(蓝线)5度旋转(紫线),右列示10度旋转(紫线)。b 冠状位和横断位方位上随机旋转的影响。最大旋转角度由x轴给出,对估计值与完全勾画颅内体积(ICV)相关性的影响由y轴给出。c MR采集之间冠状位和横断位方位上非随机旋转的影响。横断位旋转角度由x轴给出,对估计值与完全勾画ICV相关性的影响由y轴给出。紫色箱线图表示冠状位旋转在5度以内时所得相关性的分布,蓝色箱线图表示冠状位旋转超过5度时的情况 查看原图 ↗

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

  1. 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
  2. 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。