文献速递心血管MR

基于位移编码受激回波(DENSE)的自动化心肌边界检测机制介绍

Introduction to a mechanism for automated myocardium boundary detection with displacement encoding with stimulated echoes (DENSE).
PubMed 文献 · Br J Radiol · 2018-05-17

本研究提出一种基于三维DENSE位移与幅度图像量化的半自动心肌壁运动边界检测算法,用于快速自动计算三维心肌应变。在14名健康受试者中,该方法与已有的二维半自动轮廓技术相比,腔室定量结果无显著差异,区域应变Bland-Altman偏倚分别为径向0.01±0.06、环向-0.01±0.01、纵向0.0±0.06。

要点

  • 三维半自动DENSE边界检测与二维Spottiswoode法在健康受试者中腔室定量无显著差异。
  • 区域应变Bland-Altman偏倚:径向0.01±0.06,环向-0.01±0.01,纵向0.0±0.06。
  • 三维半自动心肌分割耗时3.7±1.6分钟/受试者,二维法典型耗时约10分钟。

核心结论

  • 提出一种新的三维半自动方法,可对整个左心室进行轮廓勾画并快速生成腔室定量和区域应变,并已对照现有二维轮廓技术进行验证。

研究设计与样本

  • 方法学研究,在14名健康受试者中采集导航门控螺旋DENSE数据,以已有的二维Spottiswoode半自动轮廓技术作为参考标准进行验证。

关键影像表现/征象

  • 基于像素时空位移增量,并在多阈值量化幅度图像中径向搜索像素图像梯度来检测左心室边界。
  • 使用Otsu法多级阈值量化将短轴切片分为7类像素和6个阈值。
  • 对梯度峰值拟合LOESS曲线以形成心肌边界,平滑参数α典型范围0.25–0.3。

诊断标准与关键数值

  • 射血分数:三维半自动 vs 二维法,心尖段0.62±0.04 vs 0.60±0.06(p=0.23),中间段0.60±0.04 vs 0.59±0.05(p=0.76),基底段0.56±0.04 vs 0.58±0.05(p=0.07)。
  • 室壁厚度:三维半自动 vs 二维法,心尖段7.6±1.1 vs 7.9±1.5 mm(p=0.12),中间段7.7±1.4 vs 7.8±1.3 mm(p=0.69),基底段7.8±1.6 vs 7.6±1.5 mm(p=0.83)。
  • 区域应变Bland-Altman偏倚±一致性界限:径向0.01±0.06,环向-0.01±0.01,纵向0.0±0.06。
  • 基底段收缩末期直径是唯一在两种方法间有显著差异的 fundamental 测量(p=0.04)。

临床应用与阅片要点

  • 三维半自动心肌分割耗时3.7±1.6分钟/受试者,二维Spottiswoode分割(含相位解缠)典型耗时约10分钟。
  • 三维RPIM应变计算耗时少于60秒/受试者,与边界生成方法或分区数无关。
  • 具备理工科研究生背景的操作者适合执行该后处理。

局限性

  • 原文未报告局限性。
全文中译12 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:Br J Radiol. 2018 Apr 10;91(1087):20170841. doi: 10.1259/bjr.20170841

引言

心脏腔室尺寸和功能的量化是心脏成像的基础,其中MRI是最可靠的模态,能提供优于其他模态的软组织对比分辨率和其他模态无法提供的多平面信息。1–4 在过去几十年中,已开发出用于检测基于心动周期的组织运动的特定MRI序列,包括磁化空间调制(SPAMM)或组织标记、位移编码与受激回波(DENSE)等。5–10 与处理效率相关的一个特别关注点是自动化检测心肌壁运动,以加快左心室(LV)的腔室量化和功能评估。在这方面,DENSE是一种理想的可用于自动化所有计算的序列,包括边界检测、功能参数确定以及腔室量化,该方法已在Spottiswoode等人的二维(2D)半自动运动估计研究中得到证实。7,9–11

本研究旨在探讨一种高度自动化、单次扫描、基于MRI的方法评估全部LV功能(基于应变的收缩和腔室量化)的可行性,其前所未有的快速处理时间(约3.5分钟)在临床应用中可能具有显著优势。为实现这一目标,采用了一种新颖快速的三维(3D)半自动方法,该方法主要利用导航门控螺旋DENSE MRI序列记录的相位编码3D位移数据来追踪LV边界运动(在心脏收缩期)。11–15 基于位移的边界搜索进一步通过一种基于直方图分布、基于多级阈值化的图像压缩方法——称为Otsu法——得到增强,该方法应用于根据离散范围的量化指数识别心肌组织。16, 17 在这方面,本文介绍的是首个应用时空位移和半自动检测的LV边界进行快速自动化3D应变分析和生成表面应变图的3D单次扫描DENSE研究。9, 10 验证通过将使用这种新3D方法计算的LV腔室量化和3D应变与使用Spottiswoode等人开发的完全验证的2D边界检测方法生成的结果进行比较来提供。18–22

方法和材料

人类受试者招募

DENSE采集和协议

采用导航门控的3D DENSE数据采集,位移编码施加于两个正交的面内方向和一个穿平面方向。使用柔性前部6通道体部矩阵射频线圈(Siemens Healthcare,Erlanger,德国)和床载脊柱矩阵射频线圈接收信号。11, 12,19 典型成像参数包括视野380 × 380 mm²,回波时间1.04 ms,重复时间15 ms,矩阵大小128 × 128 × 19,体素大小2.97 × 2.97 × 5 mm³,21个心动周期相位,编码频率0.06 cycles mm⁻¹,简单4点编码和3点相位循环用于伪影抑制。14, 15,23 鉴于单个位移编码方向和单个相位循环点需要三个心动周期才能采集完整的螺旋数据,在3D中完成单个分区所需的导航可接受心动周期数为(4 × 3 × 3)= 36个心动周期。15 因此,每名受试者的采集时间约为15分钟,取决于受试者的心率和导航接受率。所有受试者在扫描期间均进行心率和血压的连续监测。

图像量化

在参考时间帧(舒张末期)识别每个短轴切片(图像)中的左心室边界轮廓是该半自动处理过程的第一步。该过程由操作者在舒张末期的最基底短轴切片(如图1所示)中选择一个椭球形感兴趣区(ROI),然后将该ROI传播至基底与心尖之间的所有其他切片位置。随后使用图像量化过程识别左心室边界和壁内组织,其中形成具有短轴左心室清晰轮廓的阈值图像(图2)。量化之前,应用基本的噪声去除方案,包括核大小为3 × 3的高斯滤波器(卷积矩阵)。量化是一种常用的图像处理工具,是一种有损(或不可逆)压缩技术,将一定范围的颜色(或灰度值)压缩为单个量子值。使用基于图像直方图的非均匀量化方案,称为大津法(Otsu's Method),使所得图像由最常出现的强度对应的像素组成。16, 17 在其最基本的形式中,大津算法基于双峰直方图(前景和背景)将两类像素分开,并计算分离两类的最优阈值,使其类间方差最大。16, 17 在大津法中,对于像素强度范围为i = 1, .., L的图像,最大化类间方差σb由下式给出,

其中权重ω0和ω1是由阈值t分开的两类的概率,定义为

其中pi是图像中强度i的概率,µ0和µ1是类均值,由下式给出,

其中L是原始直方图中的总箱数。

上述公式可以很容易地扩展到多级阈值化,如本研究中所做的那样。多级方法假设存在M-1个阈值(t1, t2, …, tM-1),将原始图像分为M类。16 在这种情况下,最大化类间方差由下式给出,

其中ωk被视为第k类Ck的零阶累积矩,µT是整个图像的累积均值。

基于直方图数据的短轴切片多级阈值量化示例见图2。整个图像堆栈中每幅图像的阈值方案有效性(所选类别数)可通过遍历阈值数量范围并计算有效性指标来获得。有效性指标的计算公式如下,其取值范围为0.0–1.0:

公式(7)中的下界仅能由具有单一灰度级的图像达到,上界仅能在二值图像中达到。

图1. (a) 使用三维半自动技术进行边界检测,首先以一个包围椭圆(外侧虚线椭圆)开始,该椭圆基于向内径向的逐像素强度梯度定位心肌边界上的点。检测从舒张末期的量化参考图像开始,并在后续时间帧中基于相位解缠的位移信息继续进行。红色虚线为应用LOESS曲线拟合技术之前的半自动心外膜轮廓,红色星号线为LOESS拟合之后的轮廓。绿色虚线为LOESS拟合前的半自动心内膜轮廓,绿色星号线为LOESS拟合后的轮廓。(b) 径向方向上基于像素强度的梯度示例,其峰值用于定位心外膜和心内膜边界点。3D,三维。 查看原图 ↗
图2. 使用有损不可逆压缩过程进行量化。所示原始图像已使用基于直方图的非均匀Otsu方法量化为七个像素类别和六个阈值。 查看原图 ↗

来自阈值化的图像梯度

图像边缘检测的基本机制之一涉及识别局部像素簇中强度的突变。这一概念可应用于在具有有限数量像素强度的量化图像中检测心肌边界。当沿径向方向计算基于像素的强度梯度时,从包围椭圆上的点开始并穿过左心室(LV)心肌,在强度发生突变处会产生局部峰值,如图1所示。本研究利用这些峰值形成LV解剖边界,并通过最小化误差函数实现形状约束。形成心肌边界的形状约束包括:对算法定位的梯度峰值拟合非参数回归局部回归(LOESS)曲线,并计算峰值与其对应LOESS点之间差值的平方和。24, 25 简要说明LOESS拟合:对于每个边界点,将一个低阶多项式最小二乘拟合到边界点的子集,其解释变量值靠近待估计响应的点。24, 25 此外,用于每次加权最小二乘拟合的点子集由最近邻算法和平滑参数α确定(典型使用范围为0.25–0.3),该参数决定了使用多少数据点来拟合每个局部多项式。通过这种方式,并指定最大迭代次数,每当新峰值能降低以下误差项ε时,即被选中,ε定义为:

其中rp为基于二维切片的峰值位置,rL为LOESS点的位置。

使用位移编码进行边界检测

在本研究中,通过软组织变形对信号幅度和相位的影响来量化软组织变形,是以半自动方式评估心脏运动学和边界运动的主要驱动因素。具体而言,在DENSE中测量变形场的背景是一种成熟的磁场梯度/傅里叶变换方法现象,称为脉冲梯度受激回波,通过采用一对脉冲场梯度来引入运动编码。26 DENSE采用脉冲梯度受激回波技术将组织位移编码到受激回波的相位中,从而能够获取逐像素的组织位移,并最终从中导出半自动的逐帧心肌边界运动。因此,边界控制点的新位置可以通过跟踪具有位移的像素来找到,这些像素的尾部映射回舒张末期的一个原始边界控制点。11, 12,15 关于相位到位移转换及逐像素相位解卷的详细描述可在多篇既往文献中找到,包括我们在基于DENSE的应变验证中的研究。10–12,15,18 最后一步涉及使用傅里叶(五阶)基函数对每个像素的轨迹进行时间拟合来精化原始位移数据,如既往研究所述。12, 15,18,19 图3–5中的系列图像展示了随着边界点移动到新位置,在像素水平上发生的增量运动以及左心室收缩时心肌边界的形态。理想情况下,在基于阈值的梯度的径向搜索路径上检测峰值——该峰值具有一个位移,其尾部位于原始(舒张期)边界点——提供了边界点在新时间帧中的位置。在这方面,峰值的搜索限于径向路径中的±2像素,作为施加帧间生理限制的一种手段。当在径向路径中未检测到梯度峰值时,如果某像素的位移尾部回到原始边界点、其邻域中的其他边界点已移动且其量化索引在心肌范围内,则边界点仍可移动。或者,如果检测到梯度峰值但其尾部无法追溯回原始舒张末期边界点,若其尾部可追溯回舒张末期原始边界点±1像素范围内,则仍可将其视为边界重定位点。上述方法的基本假设是收缩后接近边界的物质点叠加在原始边界点上。通过这种方式,可以近似估计边界点相邻像素位移的帧间增量的均值,并结合新帧的量化图像来确定新时间帧中边界点下方的物质。如果新边界点位置的量化索引表明非心肌物质(例如血池或胸腔),则将该点重定位到量化索引落在心肌范围内的最近像素。在每个后续时间帧中找到基于物质的新边界点后,再次对每个边界应用LOESS曲线拟合。

在为所有分区和时间帧生成边界,并使用现有技术进行三维重建之后,依据金标准MRI研究提供的指南,对特定参数进行心腔定量测量,如左心室壁厚度、舒张末期直径(EDD)、收缩末期直径(ESD)、舒张末期容积(EDV)、收缩末期容积(ESV)、射血分数(EF)和左心室质量。4,27–29 具有2年或以上DENSE后处理经验的个体使用该三维半自动流程随机执行边界检测。这些个体包括两名研究生(分别来自工程学和医学专业)和一名生物医学工程博士。因此,具有理工科研究生背景的个体具备执行该后处理的适当资格。

图3. 图中显示了从舒张末期(虚线)至后续时间帧(实线)直至时间48 ms,心肌边界内基于渐进相位解缠的逐像素位移。应用相邻像素(连续时间帧之间)的平均增量位移来确定新时间帧下每个像素的运动方向,并确定新边界点的位置。 查看原图 ↗
图4. 图中显示了继图3之后,时间帧在63 ms至108 ms之间时心肌边界内基于渐进相位解缠的逐像素位移。 查看原图 ↗
图5. 图中显示了继图4之后,时间帧在123 ms至168 ms(收缩末期)之间时心肌边界内基于渐进相位解缠的逐像素位移。 查看原图 ↗

二维Spottiswoode等人半自动技术

这里给出的是对Spottiswoode等人提出的二维自动化基于DENSE的边界检测技术的简要描述,当前提出的三维半自动化技术即参照该技术进行了验证。10, 12 关于Spottiswoode等人从电影DENSE位移观测中自动时空追踪二维心肌物质点方法的更全面总结可见其原始文章。使用该技术时,必须在计算基于相位的位移以检测后续时间帧中的边界之前,为每个分区手动初始化心外膜和心内膜轮廓。因此,后续时相中位移矢量的起点由t0时刻的心肌确定,随时间追踪这些点即可确定后续帧中心肌的位置。然而,他们发现从含噪位移场中获得合适的运动轨迹需要对运动追踪算法进行多项改进。因此,为准确追踪心肌组织运动,首先使用模量变形掩模去除含噪位移矢量,该掩模通过组合位移场的正交空间导数对每一帧获得。10 随后根据其余含噪矢量与邻近矢量平均幅度和角度的偏差将其消除,并选择t0时刻尾部最接近每个起点的一组矢量来优化位移。10, 12 通过应用Spottiswoode等人所述的时间拟合进一步改善轨迹,即使用周期傅里叶基函数对运动的每个水平和垂直分量作为时间的函数进行拟合。10, 12 使用估计的二维心肌边界重建三维左心室几何形状所采用的技术与本研究中三维半自动化流程所使用的技术相同。19 此后,使用无网格径向点插值法(RPIM)方法计算逐像素三维应变张量,并对16个标准心肌节段的应变取平均值。使用该技术生成心肌边界由与新技术三维半自动化技术边界评估相同的人员以随机方式进行。本研究的三维半自动化技术与Spottiswoode等人方法之间的简要比较见表1。

表1. 现有二维Spottiswoode等人技术与新三维半自动化技术在基于运动的左心室壁检测中的技术比较 查看原表 ↗

无网格应变分析

在基于患者特异性MRI重建的三维网格几何结构中,使用RPIM在每个体素处计算三维应变参数(径向、环向和纵向)。RPIM是一种基于Galerkin弱形式的数值分析技术,使用径向基函数作为三维无网格形函数,便于快速多维计算拉格朗日应变。18–20,22,30,31 由于RPIM形函数具有Kronecker delta函数性质,本质边界条件可直接施加,如同有限元分析中的做法。因此,将DENSE的优势与RPIM相结合,可提供快速有效的四维时空应变分析,可在给定体素处直接计算,无需繁琐地追踪标记数据或重新划分网格等干预措施,而后者在传统有限元分析中会延长建模时间。12, 14 关于RPIM及其在计算左心室三维应变中的应用的详细描述已在既往文献中概述,其中特别详述了使用多二次函数作为径向基函数形函数以确保C1连续性。18–22,31 为最终比较两种方法之间的应变,将左心室分割为16个标准区域,并从网格点值估计每个区域的平均应变。

验证与统计分析

使用配对t检验比较三维半自动和Spottiswoode等人轮廓勾画技术的左心室腔定量结果,关键参数包括壁厚度、EDD、ESD、EDV、ESV、EF和左心室质量。估计参数还与既往MRI研究报告的金标准测量值进行了比较。4,32–34 此外,Bland–Altman分析提供了两种轮廓勾画技术基于RPIM的三维应变在径向、环向和纵向方向上的一致性度量。应变结果还与既往组织标记研究报告的测量值以及三维DENSE验证研究的测量值进行了非经验性比较。18, 19,35

结果

受试者详情

受试者平均年龄为30.5 ± 7.8岁,体重为65.8 ± 9.6 kg。所有研究监测的平均心率为66.6 ± 8.0 bpm,平均血压为120.0 ± 16.7/77.3 ± 15.1 mmHg。

实验与统计结果

完整的左心室腔量化结果,分别来自3D半自动方法和Spottiswoode等人边界轮廓勾画方法,列于表2。在基本参数的测量中,3D半自动方法与Spottiswoode等人边界方法在厚度上可见相近的数值:心尖段为7.6 ± 1.1 vs 7.9 ± 1.5 mm(p = 0.12),心室中段为7.7 ± 1.4 vs 7.8 ± 1.3 mm(p = 0.69),基底段为7.8 ± 1.6 vs 7.6 ± 1.5 mm(p = 0.83)。其他未在两种方法间发现显著差异的基本测量包括心尖段EDD(p = 0.19)、心室中段EDD(p = 0.63)、基底段EDD(p = 0.10)、心尖段ESD(p = 0.14)和心室中段ESD(p = 0.52),唯一例外见于基底段ESD(p = 0.04)。接下来,基本尺寸被用于计算两种技术的3D腔室尺寸,如容积、射血分数和质量,其估计值列于表2。图3–5显示了在每个采集间隔(t = 15 ms)后使用3D半自动边界检测算法估计的左心室心肌边界轮廓图。图3–5中还显示了每个间隔后以舒张末期作为参考点的基于像素的形变增量方向,并作为补充材料中的视频提供。与图3–5相关的边界轮廓变化视频也已提供。

图6左侧显示了收缩末期边界位置相对于舒张末期边界位置的关系,而图6右侧显示了以15 ms时间间隔的边界形态。使用3D半自动边界和Spottiswoode等人边界计算的区域应变幅值之间的Bland–Altman一致性,以偏倚 ± 一致性界限表示,在径向、周向和纵向方向上分别为0.01 ± 0.06、–0.01 ± 0.01和0.0 ± 0.06。图7–9比较了在典型基底段、心室中段和心尖段切片中使用轮廓勾画技术生成的边界,并显示了径向(图7)、周向(图8)和纵向(图9)应变的横截面图。

图10以图表形式显示了在16个标准左心室节段中使用两种轮廓勾画技术计算的3D区域应变。图11–13显示了单个受试者的3D表面应变图。使用3.4 GHz Intel Core处理器、16 GB RAM和64位操作系统的计算能力,3D半自动心肌分割每位受试者耗时3.7 ± 1.6 min。该时间不包括相位解缠和分割结果渲染的时间。Spottiswoode等人分割所用时间,包括相位解缠,通常为10 min,并取决于分区或短轴切片的数量。计算3D RPIM应变每位受试者所用时间少于60 s,与边界生成方法或所用分区数量无关。

表2. 在N = 14名正常受试者中,使用新的3D半自动技术和现有2D Spottiswoode等人轮廓勾画技术估计的左心室腔参数的配对t检验比较(以mean ± SD表示) 查看原表 ↗
图6.(a)与舒张末期边界(红色和绿色虚线)相比所示的收缩末期边界(红色和绿色实线)。通过追踪具有位移的像素(以青色显示)来获得每个时间帧中控制点的运动,这些像素的尾部映射回舒张末期的原始边界控制点。(b)使用三维半自动方法显示的舒张末期与收缩末期之间两个心肌边界的形态学。 查看原图 ↗
图7. 基底段(上)、中段心室(中)和心尖段(下)边界轮廓与径向应变表面图的比较,分别采用新的三维半自动方法(左)和Spottiswoode等人方法(右)。缩写:3D,三维;A,前壁;AS,前间隔;PS,后间隔;P,后壁;PL,后侧壁;AL,前侧壁。 查看原图 ↗
图8. 基底段(上)、中段心室(中)和心尖段(下)边界轮廓与周向应变表面图的比较,分别采用新的三维半自动方法(左)和Spottiswoode等人方法(右)。缩写:3D,三维;A,前壁;AS,前间隔;PS,后间隔;P,后壁;PL,后侧壁;AL,前侧壁。 查看原图 ↗
图9. 基底段(上)、中段心室(中)和心尖段(下)边界轮廓与纵向应变表面图的比较,分别采用新的三维半自动方法(左)和Spottiswoode等人方法(右)。缩写:3D,三维;A,前壁;AS,前间隔;PS,后间隔;P,后壁;PL,后侧壁;AL,前侧壁。 查看原图 ↗
图10. 在N = 14名正常受试者中,新的三维半自动与二维Spottiswoode等人轮廓勾勒技术之间三维区域平均(a)周向、(b)径向和(c)纵向应变的比较。应变通过将RPIM应用于三维左心室几何结构和相位解缠位移来计算。缩写:2D,二维;3D,三维;A,前壁;A,心尖段;AL,前侧壁;AS,前间隔;B,基底段;MV,中段心室;P,后壁;PL,后侧壁;PS,后间隔;RPIM,径向点插值法。 查看原图 ↗
图11. 使用RPIM在左心室几何结构上计算的径向应变表面图,该几何结构由新引入的三维半自动心肌轮廓勾勒技术检测到的边界重建而成。缩写:3D,三维;A,前壁;A,心尖段;AL,前侧壁;AS,前间隔;B,基底段;LV,左心室;MV,中段心室;P,后壁;PL,后侧壁;PS,后间隔;RPIM,径向点插值法。 查看原图 ↗
图12. 使用RPIM方法在左心室几何结构上计算的周向应变表面图,该几何结构由新引入的三维半自动心肌轮廓勾勒技术检测到的边界重建而成。缩写:3D,三维;A,前壁;AS,前间隔;PS,后间隔;P,后壁;PL,后侧壁;AL,前侧壁;LV,左心室;RPIM,径向点插值法。 查看原图 ↗
图13. 使用RPIM方法在左心室几何结构上计算的纵向应变表面图,该几何结构由新引入的三维半自动心肌轮廓勾勒技术检测到的边界重建而成。缩写:3D,三维;A,前壁;AS,前间隔;PS,后间隔;P,后壁;PL,后侧壁;AL,前侧壁;LV,左心室;RPIM,径向点插值法。 查看原图 ↗

讨论

本研究的主要目的是创建一种自动化机制,通过该机制能够在舒张末期与收缩末期之间对左心室(LV)腔室进行完整的3D建模,该机制以独特的方式追踪每个个体中基于2D切片的室壁运动运动学(图3–6)。为证实这种用于心肌边界检测的新型3D半自动化方法的可行性,将腔室定量以及应变测量的结果与经验证的2D方法生成的结果进行了比较。9, 10,12 结果显示,基本几何和功能特性如左心室壁厚度、EDD、ESD、EDV、ESV、EF、左心室质量和3D应变在测量类型之间无显著差异(表2和图10)。2D轮廓的相似性对于3D重建和定量至关重要,可在图11–13中看到。此外,还将腔室定量的结果与金标准稳态自由进动(SSFP)MRI研究中报告的结果进行了比较。4, 32,34 在表2给出的结果中,舒张期和收缩期容积以及射血分数与标准SSFP报告中给出的结果相当,分别为83–218、18–82 ml和57–81%。29 同样,左心室质量与SSFP报告相当,报告值范围为42–165 g。29 除腔室定量外,还比较了3D应变参数(量化心肌中物质点变形),并在两种轮廓描记技术之间建立了密切一致性(图7–10)。此外,3D应变分析的结果与现有空间磁化调制和基于DENSE的研究中报告的结果相当。12, 15,18,19 呈现这些3D应变表面图的能力见图11–13。

近年来多项研究强调了应变分析作为亚临床指标的重要性,用于识别以及测量心脏功能障碍如缺血、肥厚型心肌病、扩张型心肌病等的治疗进展。35–37 基于应变的诊断的一个例子是在肥厚型心肌病早期EF保持不变时追踪室间隔区域纵向应变的减低。38 这正是本研究所示单次DENSE扫描结合快速自动化后处理所能提供的应变评估类型。此外,我们已有先例使用DENSE序列分析扩张型心肌病患者中的应变,其中扫描以对患者最小不适完成。18, 19,39 在这一点上,15分钟采集窗口(其时间分配见采集部分)对于DENSE是合理的,因为它提供了更快的SSFP序列无法提供的关键位移和应变数据。此外,目前正在研究使用压缩感知联合并行成像等技术实现更快的DENSE成像,这些技术可在缩短扫描时间的同时提供高质量图像。23, 40

下面给出的是对现有Spottiswoode等人的2D方法与本文提出的新型3D半自动边界检测方法之间异同的概要描述,并以表格形式列于表1中。此时,请读者注意,与2D Spottiswoode等人边界检测技术相比,本研究提出的半自动方法为3D方法,且无需为了在每个分区生成边界而进行基于左心室(LV)节段的初始化。这项3D半自动研究使用包围椭圆和径向搜索,以消除对每个分区手动初始化轮廓的需求。相比之下,Spottiswoode等人的半自动方法要求为每个分区定义短轴边界,因为它本质上缺乏边界初始化。10, 12 与2D Spottiswoode等人方法的第二个重要差异在于,除基于相位的位移外,还使用了补充技术来细化心肌范围。在此背景下,Spottiswoode等人方法使用了模量变形掩模,借此拒绝所有超出预期心肌范围的变形,这反过来有助于定义心肌范围。而新的3D半自动技术使用基于幅度图像的多阈值量化技术及其在径向搜索路径中发现的梯度来帮助确定心肌范围。与Spottiswoode等人方法的主要相似之处之一在于,从位移矢量中求物质点位移,这些矢量的尾部起源于心肌边界上的参考点,以及在如何仅使用角度方向和幅度最接近的矢量来近似新边界点的位置方面。10, 12,18,19,39 现有2D技术还应用了一些与基于运动的轨迹相关的有效去噪步骤,包括用周期傅里叶级数基函数拟合每条轨迹,这也是本研究中用于细化逐像素轨迹的技术。关于比较这两种技术的最后一点观察是,它们之间的结果差异可忽略不计,这可归因于本研究是在心室形状和模式落在预定义范围内的健康年轻受试者中进行的。据假设,在已知心脏病的人群中,两种技术之间的结果差异会更大,在这种情况下,需要更频繁人工交互(在每个2D分区)的2D技术可能会引入显著更多的测量误差。

这种方法最重要的局限性在于分割开始时需要一个感兴趣区(ROI)(边界椭圆),而在短轴切面中采用基于模式的圆环搜索来定位左心室(LV)将使该算法实现全自动化。然而,在未裁剪图像中搜索厚度不均匀的复杂圆环形状LV可能成为计算量巨大的过程,并最终延长生成三维轮廓的时间。其次,当图像质量在后续不同时间帧或分区之间变化显著时,量化本身可能构成挑战,在这种情况下,算法必须处理用于识别心肌的多阈值指标的变异,特别是当使用最优量化计算对单个图像进行阈值处理时。第三个局限性是观察到三维半自动技术与Spottiswoode等人轮廓勾画技术在心尖段LV厚度等基本参数上存在差异(尽管p值较低未提示显著)。该局限性的各方面归因于心脏和呼吸运动引起的图像退化,其效应包括模糊(以及鬼影和配准不良),进而影响量化阈值。41在此背景下,如果低分辨率模糊被量化至低于识别心肌内组织的阈值,结果将是厚度减小。另一方面,高分辨率下模糊的组织-血液界面可能被错误地识别为心肌内组织,导致厚度感知增加。为避免此类异常,需要针对原始序列及其参数解决改善图像信号退化的方法。15, 23,41本研究的另一个局限性是未将当前的量化和基于形变的方法与更传统使用的半自动化过程如主动外观模型(AAM)进行比较。42, 43然而,AAM存在一些明显缺点,包括需要训练集可能产生不合理的统计离群值,以及AAM对初始化误差的敏感性可能导致与平移、旋转或缩放相关的误差。42–44另一方面,AAM模型建立在强大的统计基础之上,能够承受不达标的数据质量,包括缺失的纹理信息。相比之下,当前的基于DENSE的三维半自动技术若幅度或相位信息不完整,将无法对LV形态进行建模。一个相关的局限性是未努力探索其他对医学图像解剖模式识别有效的阈值处理方法。两种常用的阈值算法——K均值(每个数据点仅属于一个聚类)和模糊C均值(一个数据点可属于多个聚类)——此前已被用于LV腔的自动检测,但本研究未予考虑。45–47最后一个局限性在于未进行金标准SSFP研究用于LV腔室量化。SSFP是腔室量化的金标准测量技术,SSFP与当前三维半自动技术之间的腔室量化很可能存在显著差异。27, 29,33然而,SSFP不能用于全面的LV收缩分析,也无法提供边界检测和应变分析联合目的所需的位移数据,而基于DENSE的三维半自动技术可以做到。

结论

本文介绍了一种新型的、半自动的、基于量化和形变的技术,该技术只需选择一个感兴趣区(ROI)(在基线舒张帧中)即可对完整左心室进行三维轮廓勾画。此外,快速轮廓勾画过程可在不到3分钟的短时间内完成,随后进行自动心腔量化和三维应变图的生成。这种三维半自动技术通过与现有的二维半自动轮廓勾画技术进行比较得到了验证,两种技术在心脏心腔量化和应变评估方面表现出相似性。在此基础上,下一步将是在已知患有心律失常和心肌病等心脏功能障碍的患者中验证当前方法。最终结论是,当使用单次导航门控DENSE扫描获取数据时,这种新方法可用于提供关于三维心脏功能的快速 ground-truth 信息。

引用

  1. Kar J, Zhong X, Cohen MV, et al. Introduction to a mechanism for automated myocardium boundary detection with displacement encoding with stimulated echoes (DENSE). Br J Radiol. 2018. PMID: 29565646. doi:10.1259/bjr.20170841
  2. 全文:PMC6221787(PMC 开放获取,CC BY)https://pmc.ncbi.nlm.nih.gov/articles/PMC6221787/

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。