文献速递胸部儿科影像MRCT

大型队列儿童研究中胸部MRI定量数据分析的技术挑战

Technical challenges of quantitative chest MRI data analysis in a large cohort pediatric study.
PubMed 文献 · Eur Radiol · 2018-12-05

本研究用体模对比MRI与CT量化几何畸变对肺体积定量的影响,并评估手动、半自动和全自动肺分割方法。结果显示MRI因几何畸变系统性高估体积,3D Gradwarp图像形状更接近CT但可能增加体积高估;半自动和全自动分割与手动分割一致性高,可快速准确量化肺体积。

要点

  • MRI因几何畸变较CT系统性高估肺体积,体模中心位置时高估5.56±1.16%至6.99±0.22%。
  • 3D Gradwarp图像Dice评分高于2D Gradwarp,形状更接近CT参考图像。
  • 半自动和全自动肺分割与手动分割一致性高(ICC=0.971–0.995),全自动方法仅需约2–3分钟。

核心结论

  • MRI因几何畸变较CT系统性高估体积,3D Gradwarp图像形状接近CT参考图像但也可导致更大的体积高估。
  • 半自动和全自动分割方法可准确、可重复且快速地量化MRI肺体积。
  • 胸部MRI可作为无辐射的CT替代方法用于大型队列研究中的肺体积评估。

研究设计与样本

  • 体模研究:MRI体模分别行MRI和CT扫描,以CT为金标准量化几何畸变对体积定量的影响。
  • 受试者数据:从Generation R前瞻性人群队列研究中随机选取11名匿名儿童,每名儿童接受四次胸部MRI采集,共44次MRI扫描。
  • 分割方法测试:在44次扫描上测试五种肺分割方法,包括一种全手动(ITK-SNAP)、两种半自动(3D Slicer和GeoS)和两种全自动(Ivanovska和Pennati)。
  • 参考标准:体模体积以CT测量为金标准,受试者肺分割以手动分割为参考。

关键影像表现/征象

  • 体模位于等中心时,MRI相对CT的体积高估为身体线圈5.56±1.16%至6.99±0.22%,躯干线圈相应为6.61±7.10%至5.56±1.16%。
  • 电子位移视野时,体模右侧瓶子的体积 consistently 更大,与视野位置无关。
  • 3D Gradwarp图像中所有瓶子外观笔直,而2D Gradwarp图像中远离等中心的瓶子出现弯曲。
  • 半自动和全自动方法的分割误差相似,包括纳入非肺组织(如纵隔)和排除低信噪比区域肺组织(如肺尖)。

诊断标准与关键数值

  • 体模体积差异以MRI与CT相对体积差百分比表示,Dice评分用于衡量形状重叠(0为无重叠,1为完全重叠)。
  • 吸气末扫描中,半自动方法ICC=0.988–0.993,全自动方法ICC=0.971–0.982,与手动分割一致性高。
  • 呼气末扫描中,两种半自动方法ICC=0.992–0.995,与手动分割一致性高。
  • 体模平均Dice评分为2D Gradwarp 0.8593±0.0502,3D Gradwarp 0.9298±0.0582。
  • VC MRI与肺量计VC相关性:手动分割r=0.444(p=0.271),GeoS r=0.440(p=0.275),3D Slicer r=0.423(p=0.297),均未达统计学显著。

临床应用与阅片要点

  • MRI因几何畸变会系统性高估肺体积,阅片和定量分析时需考虑MRI设置和患者体位对体积测量的影响。
  • 3D Gradwarp可减小物体内体积差异范围,但可能增加平均体积高估,选择校正方法时需权衡。
  • 全自动方法可用于吸气末肺体积分割,半自动GeoS在呼气末图像中表现快速且准确。
  • 手动分割每扫描约需3–4小时,全自动方法仅需2–3分钟,大规模队列研究可优先考虑自动化工具。

局限性

  • 受试者数量少,但每名受试者有四次肺MRI采集,共44次采集用于测试五种软件方法。
  • 肺功能数据缺失较多妨碍数据分析,VC MRI与肺量计VC正相关,但需更大子集分析确认结果。
  • 仅使用一台MRI系统采集图像,虽保证图像同质性,但不反映实践中广泛的MRI系统和成像序列范围。
全文中译21 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:Eur Radiol. 2018 Dec 5;29(6):2770–82. doi: 10.1007/s00330-018-5863-7

引言

计算机断层扫描(CT)因其高空间分辨率和信噪比,是定量肺成像最常用的技术[1, 2]。因此,与胸部磁共振成像(MRI)相比,使用胸部CT的定量成像分析发展更为成熟且验证更为充分[3–6]。尽管如此,MRI正被开发为一种可行的无辐射替代成像方式[1, 7]。

然而,若干技术挑战阻碍了MRI的定量分析,即协议标准化、低信噪比和低空间分辨率。MR中的体积计算也因几何畸变(GD)而受限[1, 3],GD主要由扫描仪内磁场不均匀性和梯度线圈非线性引起[7, 8]。已有图像处理技术可用于GD校正,并通常被制造商采用(即“Gradwarp”,通用电气医疗)。这些技术对于癌症放疗靶区体积的勾画尤为重要,已有多种校正GD的模型被分析[8–13]。

现有文献主要关注视野(FOV)相对较小的数据或靠近等中心的解剖位置(此处GD最小),例如用于前列腺、脑部和颈部肿瘤大小量化的MRI协议[7, 14, 15]。相反,肺部成像需要更大的FOV,因此受GD影响更大,因为磁场不均匀性使得扫描物体距等中心越远,GD越明显[7, 10, 16]。因此,肺外周部分(即肋膈角)受GD影响最大。此外,不同的MRI设置和患者体位可影响GD的幅度[7, 17]。

据我们所知,此前尚无出版物评估GD对胸部MRI肺体积量化的影响,特别是MRI肺体积量化对照CT的验证。本研究针对磁场不均匀性校正这一问题。

此外,本研究评估了用于MRI肺分割和体积量化的手动、半自动和全自动方法。肺分割是图像分析的基本步骤,旨在提取定量信息。尽管在每幅图像上勾画肺边界的手动分割可以给出准确结果,但费时费力。因此,已针对CT图像开发了多种分割方法。针对MR图像分割方法的研究较少[18, 19],因为一般认为其比CT体积测定更困难且变异更多。在本研究中,我们评估了分割方法的准确性、可重复性和时间效率,以确定在Generation R研究中使用MRI进行肺体积量化的最佳分割策略,该研究是一项大型前瞻性基于人群的队列研究,详见补充材料。

总之,我们旨在(1)使用体模量化不同MRI扫描设置下GD对体积测量相对于CT的影响,(2)评估半自动和全自动肺体积分割工具与儿童MRI测量手动分割相比的准确性、可重复性和时间效率。

材料与方法

数据集

体模数据

使用一个MRI体模(图E1),其中四个瓶子装满山梨酸钾(通用电气医疗),用于评估GD对体积定量的影响,依据六种不同的扫描设置:(1) 参考位置,体模居中于扫描仪等中心;(2) 电子位移FOV以模拟MRI技师错误的FOV定位;(3) 手动位移体模以模拟患者在扫描仪中可能的运动;(4) 重新定位检查床以模拟全身MRI协议;(5) 并行成像采用不同加速因子以加快图像采集;(6) 使用躯干线圈以复制前瞻性人群为基础的Generation R队列研究的肺部MRI协议。对于设置(2)和(3),测试了八个不同体模位置,距离等中心5 cm:左(L)、右(R)、下(I)、上(S)、左下(LI)、右下(RI)、左上(LS)和右上(RS)。对于设置(5),测试了四种不同加速因子(1、2.25、4、5)。对于设置(6),测试了三个位置:躯干线圈居中于受试者以及躯干线圈距离中心左或右5 cm。除设置(6)外,所有图像均使用体线圈采集,以获得体模最均匀的信号,从而便于体积分割。图像采集时应用了平面内二维(2D Gradwarp)和全三维(3D Gradwarp)GD校正。这些校正技术校正空间失真伪影和MR图像最边缘的模糊,这些仅由非梯度场非线性决定[20]。

受试者数据

为测试肺体积分割方法,从Generation R研究中随机选取11名匿名儿童的肺MRI数据子集[21, 22]。在书面知情同意后(METC-2012-165),儿童接受了全身MRI,包括脑、心脏、髋部和肺部MRI采集。MRI扫描在一个专门设计的儿童友好MRI研究设施中进行。从2014年11月至2016年1月,Generation R研究中采集了5000次MRI扫描。每名受试者接受两次吸气末和两次呼气末 spirometer引导的MRI采集。数据采集使用2D和3D Gradwarp。特别是,扫描仪的3D Gradwarp应用于一次吸气末和一次呼气末扫描(图1)。

关于Generation R研究以及MRI和CT采集参数的更多信息见补充材料。

图1 每名受试者采集方案流程图。每名受试者(n = 11)接受两次吸气末和两次呼气末采集。2D和3D Gradwarp校正应用于一次吸气末和一次呼气末扫描。总计11名受试者接受了四次采集,产生44次扫描 查看原图 ↗

影像分析

体模分割

体模体积测量通过使用GEHC的AW Server 2平台(AWS)和3D Slicer软件(http://www.slicer.org),由单一观察者以信号强度阈值分割法在MRI和CT上手动获得。每次扫描均专门选择信号强度阈值以包含整个感兴趣体积,并在多平面重建图像中进行视觉检查。所有52次MRI体模采集均进行了分割,一次使用AWS,一次使用3D Slicer,共完成104次分割。使用3D Slicer进行了3次CT体模分割(图2)以获得真实体积。从52次采集中共随机选取20次,使用AWS和3D Slicer进行第二次分割,以评估方法内和方法间一致性。

图2 体模的MRI和CT采集方案。a 使用六种不同扫描设置的MRI体模采集。b 作为参考图像的CT扫描体模采集 查看原图 ↗

受试者肺部分割

在来自11名受试者的44次扫描中测试了五种肺部分割方法(图E2):一种全手动(ITK-SNAP)[23],两种半自动(3D Slicer [24]和GeoS [25]),以及两种全自动(Ivanovska [26]和Pennati [27])。每种分割方法在补充材料中说明。

从11名Generation R受试者中随机选取5名,每名受试者有四次采集,由第一观察者和第二观察者使用手动和半自动方法进行第二次分割,以评估观察者内和观察者间一致性。两名观察者彼此对对方的分割结果设盲。

体模上GD的定量

MRI体积测量与作为金标准的CT测量进行比较。GD的大小量化为MRI与CT测量之间的相对体积差异。

上述MRI扫描设置的体模体积分割在刚性配准后使用Dice评分与参考CT图像进行比较。Dice评分衡量范围从0(无重叠)到1(完全重叠)的体积重叠度[28],可视为形状相似性的度量。

为评估观察者内一致性,由第一观察者对20次随机选取的体模采集进行两次分割。

患者数据上GD的定量

2D和3D Gradwarp数据集之间的体积差异计算为两次吸气末扫描之间的体积差。使用吸气扫描是因为肺实质信号强度水平更均匀,感兴趣体积分割更容易。由于整个Generation R队列仅以2D Gradwarp采集,使用扫描仪内置软件进行的3D Gradwarp校正(3D GWscanner)与离线软件(3D GWoff-line)进行了比较。进一步细节在线补充材料中提供。

受试者数据上肺部分割工具的比较

使用3D Slicer(配合阈值绘制工具)[24]、GeoS [25]、Ivanovska [26, 29]和Pennati [27]方法对吸气末扫描图像进行肺分割,并与手动分割(MS)进行比较以评估其性能。在分析时,所测试的全自动方法由于肺实质与周围组织之间对比度差异减小,无法对呼气末扫描图像进行分割。因此,对于呼气末扫描图像,仅将3D Slicer和GeoS方法与MS进行了比较。计算了每种方法对吸气末和呼气末图像的平均分割时间。将通过分割计算得到的MRI肺活量(VC)(VCMRI)与通过肺量计测得的VC(VCSPIROMETER)进行比较以评估相关性。将测得的最小呼气末肺容积从测得的最大吸气末肺容积中减去以计算VCMRI。将VCMRI与最高的VCSPIROMETER进行比较。VCSPIROMETER通过肺量计获得。VCMRI计算为吸气水平与呼气水平之间的容积差。

统计分析

描述性数据以均值 ± 标准差报告。使用Q–Q图和Shapiro–Wilk检验检验正态性。使用组内相关系数(ICC)和Bland–Altman图评估观察者内和观察者间一致性。使用配对样本t检验、Wilcoxon符号秩检验或Mann–Whitney U检验评估肺容积测量的差异。

为将半自动和全自动分割方法与MS进行比较,容积差异以绝对差异和相对差异计算。使用Dice评分测量形状重叠度。使用Pearson相关系数确定VCMRI与VCSPIROMETER之间的相关性。P值 ≤ 0.05被认为是统计学显著的。使用Bonferroni校正调整多重比较。统计分析使用SPSS v.21(IBM SPSS Statistics)进行。

结果

体模数据上GD的定量

在CT中测得每个体模瓶的平均容积为1196.77 ± 77.34 ml。图3和图4显示了GD对不同MRI设置下容积定量的影响。对于体模居中于等中心的参考MRI位置,2D和3D Gradwarp校正的容积差异分别为6.91 ± 0.48%和6.99 ± 0.22%。FOV的电子位移显示2D和3D Gradwarp的容积差异分别为6.93 ± 0.57%和7.81 ± 0.64%。体模的手动位移显示2D和3D Gradwarp的容积差异分别为6.97 ± 8.44%和6.58 ± 1.42%。检查床重新定位显示2D和3D Gradwarp的容积差异分别为6.53 ± 0.57%和6.94 ± 0.25%。并行成像显示3D Gradwarp的容积差异为1.80 ± 0.50%。然而,由于扫描仪的自动FOV设置,该采集未能完整成像瓶子,导致真实容积被低估。使用体部线圈成像显示2D和3D Gradwarp的容积差异分别为6.61 ± 7.10%和5.56 ± 1.16%。

对于电子位移,体模右侧瓶子的体积始终较大,与视野(FOV)定位无关。在所有MRI设置下,3D Gradwarp的体模内体积差异范围均小于2D Gradwarp。图5显示了2D和3D Gradwarp的效果。瓶子距离等中心越远,变形越明显。

图3 根据各种MRI扫描设置,GD对MRI与CT相比体积定量的影响。相对体积差异(%)对应于 a 视野电子位移,b 体模手动位移,c 检查床重新定位,d 并行成像,e 使用躯干线圈。参考 = 参考MRI等中心位置。距等中心5 cm的位置:L = 左,R = 右,I = 下,S = 上,LI = 左下,RI = 右下,LS = 左上,RS = 右上 查看原图 ↗
图4 相对体积差异(%)对应于 a 视野电子位移,b 体模手动位移,c 检查床重新定位,d 并行成像,e 使用躯干线圈。穿过每个箱体的水平线表示中位数,矩形箱体表示四分位距,须线表示最小值和最大值。蓝色 = 2D Gradwarp,橙色 = 3D Gradwarp 查看原图 ↗
图5 图像显示2D和3D Gradwarp的效果。a CT参考图像,b 使用2D Gradwarp的MR图像,c 使用3D Gradwarp的MR图像。MR图像在体模距扫描仪等中心右侧5 cm处获得。当体模右侧的瓶子(蓝色和绿色瓶子)进一步远离扫描仪等中心时,可见其弯曲。使用3D Gradwarp时,所有瓶子均显得笔直 查看原图 ↗

方法内和方法间一致性

使用3D Slicer和AWS进行的体模体积测量显示出高的方法内和方法间一致性(分别为ICC = 0.991和ICC = 0.994)。未发现分割工具之间的显著差异(Z = -0.177,p = 0.86)。采用Bonferroni校正α水平0.025的Wilcoxon符号秩检验表明,使用3D Slicer对同一数据的第一次分割体积显著高于第二次分割(平均差异 = 4.48 ± 7.78 ml,Z = -5.450,p < 0.001)。同样,使用AWS的第一次分割体积显著高于第二次分割(平均差异 = 6.36 ± 5.54 ml,Z = -7.590,p < 0.001)。Bland–Altman图显示3D Slicer和AWS的测量差异很小(图E3)。

图E4表示2D和3D Gradwarp下Dice评分的分布。2D和3D Gradwarp的平均Dice评分分别为0.8593 ± 0.0502和0.9298 ± 0.0582。所测试MRI设置的Dice评分范围见表1。使用躯干线圈和检查床重新定位的MRI设置配合3D Gradwarp时发现高Dice评分。最高Dice评分(0.9611)出现在躯干线圈以体模为中心并配合3D Gradwarp时。

表1 CT与MR图像之间的重叠Dice(0–1)评分 查看原表 ↗

患者数据中GD的定量

2D与3D GW离线扫描之间的平均吸气末体积差为-0.91 ± 2.08%。2D与3D GW扫描仪之间的平均吸气末体积差为5.50 ± 9.62%。3D GW扫描仪与3D GW离线之间的平均吸气末体积差为5.90 ± 9.71%。基于体模测试,使用躯干线圈的2D与3D Gradwarp之间的体积差为-0.64 ± 5.59%。因此,3D GW扫描仪与3D GW离线之间的平均体积差约为0.27 ± 11.93%。

分割方法的比较

共分析了176次分割的准确性、可重复性和时间效率,其中110次为吸气末分割,66次为呼气末分割。

图6展示了每种测试方法的示例切片及相应分割结果。发现纵隔结构和肺外周部分的分割是变异来源,导致软件测量之间的体积差异。半自动和全自动方法显示出相似的分割误差,即纳入非肺组织(即纵隔)和排除低信噪比区域(即肺尖)的肺组织。

图6 使用测试分割方法的肺体积分割。a 示例切片及相应分割结果,分别由b MS、c 3D Slicer、d GeoS、e Pennati软件和f Ivanovska软件获得 查看原图 ↗

吸气末分割

半自动(ICC = 0.988–0.993)和全自动分割结果(ICC = 0.971–0.982)与MS显示出高度一致性(表2和表3)。结果表明,GeoS、Pennati和Ivanovska方法的分割与MS相似,体积差范围为0.59%至1.37%。一名受试者因运动伪影未能被Ivanovska方法分割。3D Slicer显示出显著差异(p < 0.001),体积差高达2.89%。Bland–Altman图显示半自动和全自动方法与MS之间具有良好一致性(图E5)。

表2 分割时间及方法间一致性(ICC) 查看原表 ↗
表3 半自动和全自动方法吸气末肺体积分割与MS的比较 查看原表 ↗

呼气末分割

两种半自动方法均与MS显示出高度一致性(ICC = 0.992–0.995)(表4)。它们与MS的结果相似,3D Slicer和GeoS的平均差分别为-1.27%和1.81%。Bland–Altman图显示3D Slicer的表现略优于GeoS(图E6)。

表4 半自动方法呼气末肺体积分割与MS的比较 查看原表 ↗

肺活量

11名受试者中有8名在MRI扫描期间同时获得了肺功能测定数据,其中4名显示出较大的性能变异性(表5)。VCMRI与VCSPIROMETER之间的关联相似,但在MS(r = 0.444,p = 0.271)、GeoS(r = 0.440,p = 0.275)和3D Slicer(r = 0.423,p = 0.297)中均不显著。

表5 肺功能测定数据 查看原表 ↗

分割时间

每种方法的分割时间见表2。显示的时间不包括文件转换、上传和保存步骤所需的时间。呼气末图像的手动分割时间短于吸气末图像,因为呼气时体积较低导致扫描范围较短。

两位观察者均认为手动分割(MS)是一项费力的任务,此外分割还需要耗费大量时间。在半自动方法中,GeoS 比 3D Slicer 执行更快且费力更少。全自动方法耗时约 2 至 3 分钟,且所需用户交互极少。

观察者内和观察者间一致性

GeoS(ICC = 1.000)、3D Slicer(ICC = 0.999)和 MS(ICC = 0.997)均发现较高的观察者内一致性。体积差异分别为 4.81 ml(p = 0.455)、7.49 ml(p = 0.332)和 11.88 ml(p = 0.502),均无统计学意义。GeoS(ICC = 0.994)、3D Slicer(ICC = 0.995)和 MS(ICC = 0.989)均发现较高的观察者间一致性。体积差异分别为 92.93 ml(p < 0.001)、52.91 ml(p = 0.030)和 102.03 ml(p = 0.001)。在校正 alpha 水平为 0.017 时,3D Slicer 未显示显著的观察者间差异。

讨论

我们发现,对于以扫描仪等中心为中心的物体,由梯度畸变(GD)导致的 MRI 相对于 CT 的平均体积差异在使用躯干线圈和体线圈时分别为 5.56 ± 1.16% 和 6.99 ± 0.22%。此外,我们发现使用 2D Gradwarp 的图像具有较高的 Dice 重叠评分,使用 3D Gradwarp 时评分更高。我们还比较了五种复杂度和交互可能性不同的分割方法。我们发现,由于 GD,MRI 系统性高估了相对于 CT 的体积测量值,体积差异随 MRI 设置和患者体位而变化。体模内体积差异的范围在 3D Gradwarp 下始终小于 2D Gradwarp,但平均差异在 3D Gradwarp 下有时更高。这意味着 3D Gradwarp 使物体内体积差异趋于一致,但倾向于增加体积高估程度。

在电子位移和手动位移设置之间,发现了体积测量中预期 GD 的差异。既往研究表明,距等中心距离越大,GD 越大 [7, 10]。虽然这对于手动位移设置成立,但对于电子位移则不成立。电子位移始终使体模右侧的药瓶产生更大的体积。这可能归因于磁场的不对称不均匀性。

当应用 3D Gradwarp 时,MRI 系统将视野(FOV)从 500 mm 变为 600 mm。当使用较小 FOV 配合 2D Gradwarp 时,部分药瓶未被完全成像,导致真实体积被低估。这一问题可以解释在电子位移和检查床重新定位设置下,2D Gradwarp 体模数据中发现的体积差异低于 3D Gradwarp 的现象。

最后,使用 GeoS、Pennati 和 Ivanovska 方法进行的吸气末分割,以及使用 3D Slicer 和 GeoS 进行的呼气末分割,显示与手动分割相似的体积测量值。本研究结果表明,全自动方法可用于大型队列研究的吸气末肺体积分割,在不牺牲准确性的前提下减少分割时间和工作量。迄今为止,尚无用于呼气末图像的全自动算法。截至目前,GeoS 似乎是用于呼气末图像肺体积分割的最快且最准确的半自动分割方法。

我们承认本研究存在一些局限性:首先,受试者数量较少。然而,每位受试者进行了四次肺部MRI采集,因此共获得44次采集以测试五种软件方法。其次,大量缺失的肺功能数据妨碍了数据分析。VCMRI与VCSPIROMETER呈正相关,但需要对更大子集进行分析以确认这些结果。当Generation R的完整数据集完成分割后,这一目标最终将得以实现。第三,仅使用了一台MRI系统采集MR图像。虽然这确保了所得MR图像的均质性,但并不能反映实践中使用的多种MRI系统和成像序列。然而,我们的方法可应用于其他厂商和MRI序列。

结论

由于GD,MRI系统性地高估体积相较于CT。3D Gradwarp图像产生的形状与参考CT图像相似,但也能确定更大的体积高估。GD对特定MR设置或特定患者体位采集图像体积测量的影响可以被量化,并有可能被预测和校正。

半自动和全自动分割方法能够使用MRI进行准确、可重复且快速的肺体积量化。我们得出结论,胸部MRI是大型队列研究中评估肺体积的有效无辐射替代CT的方法。

电子补充材料

ESM 1(DOCX 1799 kb)

引用

  1. Nguyen AH, Perez-Rovira A, Wielopolski PA, et al. Technical challenges of quantitative chest MRI data analysis in a large cohort pediatric study. Eur Radiol. 2018. PMID: 30519932. doi:10.1007/s00330-018-5863-7
  2. 全文:PMC6510873(PMC 开放获取,CC BY)https://pmc.ncbi.nlm.nih.gov/articles/PMC6510873/

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。