文献速递神经MR

基于年龄和性别的区域性脑萎缩自动体积估计:工作流程与可行性

Automated age- and sex-specific volumetric estimation of regional brain atrophy: workflow and feasibility.
PubMed 文献 · Eur Radiol · 2020-08-27

本研究提出并评估了一种自动化工作流程veganbagel,该流程将结构MRI的灰质图像与年龄和性别特异性模板比较,生成z值图并叠加于T1w图像,以估计区域性灰质体积相对于标准人群的偏差。在ADNI的1330例受试者中,技术成功率为99.5%,且基于彩色编码图评估内侧颞叶萎缩对阿尔茨海默病和轻度认知障碍的敏感度显著高于MTA视觉评定量表,但特异度较低。

要点

  • veganbagel工作流程在1329例ADNI受试者中技术成功率为99.5%,仅5例因技术原因失败。
  • 基于萎缩图评估内侧颞叶萎缩对AD的敏感度为左侧71.4%、右侧70.4%,高于MTA量表的左侧53.3%、右侧55.3%。
  • 基于萎缩图评估内侧颞叶萎缩对MCI的敏感度为左侧45.4%、右侧43.5%,高于MTA量表的左侧17.4%、右侧14.6%。

核心结论

  • 所提出的工作流程能自动估计脑体积变化,在技术上可行且可靠,对影像学评估脑体积变化和神经退行性疾病具有较高潜力。

研究设计与样本

  • 研究提出并评估了一种基于T1w MRI的自动化工作流程,用于生成相对于标准人群的年龄和性别特异性萎缩图。
  • 可行性评估使用阿尔茨海默病神经影像学倡议(ADNI)中年龄小于76岁的1330例受试者的3D T1w脑MRI,包括204例AD患者、645例MCI患者和481例健康对照。
  • ADNI扫描来自不同厂商的1.5T或3T MRI扫描仪。

关键影像表现/征象

  • 在成功生成萎缩图的AD患者扫描中,大多数患者可见颞顶叶萎缩模式。
  • 萎缩图中,内侧颞叶萎缩表现为内侧颞叶区域可见蓝色,表示体积低于均值至少2.5个标准差。
  • 在AD患者中,萎缩图检测到左侧内侧颞叶萎缩142/199例(71.4%),右侧140/199例(70.4%)。
  • 在MCI患者中,萎缩图检测到左侧内侧颞叶萎缩292/643例(45.4%),右侧280/643例(43.5%)。
  • 在健康对照中,萎缩图指示左侧内侧颞叶萎缩104/481例(21.6%),右侧99/481例(20.6%)。

诊断标准与关键数值

  • 技术成功定义为处理流程无错误完成、生成彩色编码萎缩图、且图正确对齐于结构图像即彩色区域位于脑组织并中心位于灰质。
  • 内侧颞叶萎缩在彩色编码图中定义为内侧颞叶区域可见任何蓝色,即体积偏差至少低于均值2.5个标准差。
  • MTA视觉评定量表按常规实践将MTA评分≥2视为病理。
  • AD诊断敏感度:萎缩图左侧71.4% vs MTA量表左侧53.3%(p<0.0001),萎缩图右侧70.4% vs MTA量表右侧55.3%(p<0.0001)。
  • MCI敏感度:萎缩图左侧45.4% vs MTA量表左侧17.4%(p<0.0001),萎缩图右侧43.5% vs MTA量表右侧14.6%(p<0.0001)。

临床应用与阅片要点

  • veganbagel为开源软件,具有集成PACS接口,可自动接收DICOM图像、处理并导出萎缩图回PACS。
  • 与商业软件输出的数值报告相比,veganbagel提供的体素级彩色编码萎缩图更符合放射学工作流程,图像解读和诊断权仍属于放射科医生。
  • 作者认为,在筛查环境中,高敏感度对疾病检测尤为重要,veganbagel对AD和MCI的敏感度高于当前最先进的视觉评定量表,可能作为筛查工具有价值。

局限性

  • 特定年龄对应的标准模板所依据的受试者数量存在差异,可能为方法的潜在局限。
  • 由于样本中高龄数据日益稀疏,目前生成的模板年龄范围限于18岁以上、76岁以下成人。
  • 来自标准样本的体积测量可能无法推广到其他人口学特征或人群,因为存在文化相关区域性脑体积差异的证据。
  • 使用与标准样本显著不同的成像参数可能潜在地导致不准确。
  • 使用较低图像分辨率时体积准确性会变粗,2D成像预期不适合体积测量。
全文中译7 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. 2020 Aug 27;31(2):1043–8. doi: 10.1007/s00330-020-07196-8

引言

正常衰老伴随脑体积减小[1]。通过头颅MRI评估区域性脑体积超出这种生理性萎缩的偏差具有挑战性,并且在不同阅片者之间存在巨大差异[2]。然而,区域性脑萎缩的检测和加速性脑衰老的识别对于放射学评估具有重要意义,尤其是在神经退行性疾病的诊断检查中。

大多数神经退行性疾病伴随特定的脑萎缩模式。例如,在阿尔茨海默病(AD)——最常见的神经退行性疾病——中,内侧颞叶及顶叶萎缩模式通常较为明显[3, 4]。特定的视觉评定量表,如内侧颞叶萎缩(MTA)视觉评定量表[5]或顶叶萎缩的后部萎缩评分[6],在临床环境中以结构化方式评估这些萎缩模式方面日益受到重视[7]。然而,这些量表的评估在某种程度上仍具有主观性,且未考虑受试者的年龄和性别。另一方面,使用体积分析工具来量化MRI数据中的脑萎缩通常耗时较长,且可能需要专业软件和专业知识,这阻碍了它们在临床实践中的应用[7]。

因此,一种不依赖于观察者的、能够可靠检测相对于受试者正常队列的脑体积变化、并可轻松整合到放射学工作流程中的方法是有必要的。我们提出了一种自动化工作流程,用于生成相对于标准人群的年龄和性别特异性萎缩图的体积化生成。

材料与方法

本研究经当地机构伦理委员会批准。本文准备过程中使用的受试者数据来自公开可用的研究样本,即增强版Nathan Kline研究所(NKI)Rockland样本[8]和阿尔茨海默病神经影像学倡议(ADNI)(http://adni.loni.usc.edu/)。书面知情同意作为这些研究的一部分已获得。

提出了一种工作流程,用于估计单个受试者相对于正常年龄队列的体素级灰质(GM)偏差(图1)。该方法基于为基于体素的形态学分析(VBM)建立的前处理方法[9, 10],并使用源自大型人群队列的年龄和性别特异性GM模板来估计GM体积偏差。

图1 veganbagel工作流程。对3D T1w MRI进行标准化预处理(黄色框),生成归一化、平滑的灰质图,将其与年龄和性别特异性灰质模板(绿色框)进行比较以生成z图(红色框)。随后对z图进行伪彩编码并与原始T1w图像融合 查看原图 ↗

正常灰质模板的生成

来自公开可获取、基于人群的增强型NKI Rockland样本的693名年龄在16至77岁之间的健康受试者的3D T1w脑部MRI(3T Siemens MAGNETOM Trio Tim,TR = 1900 ms,TE = 2.52 ms,TI = 900 ms,翻转角 = 9°,FoV = 250 mm,矩阵 = 256x256,176层,层厚 = 1.0 mm)以标准化方式进行预处理:T1w图像经分割并归一化至MNI152标准参考空间[11],采用MATLAB(The MathWorks, Inc)中SPM12(https://www.fil.ion.ucl.ac.uk/spm/software/spm12/)的计算解剖工具箱(CAT12;http://www.neuro.uni-jena.de/cat/index.html)实现。所得的灰质(GM)图像按线性和非线性变换的量进行缩放(调制),以保留每个体素的GM体积而非密度[12]。归一化并调制后的GM图用8 mm高斯核进行空间平滑。然后,对于每个性别和18至75岁之间的每个年龄,通过计算所有年龄在相应年龄上下各2岁范围内的受试者平滑GM图的体素均值和标准差(SD),生成均值图和标准差(SD)图。

个体受试者体积变化的估计

为估计特定个体的体积变化,对其3D T1w扫描以与模板生成相同的方式进行预处理,即GM分割、归一化、调制和平滑。然后,从所得受试者的归一化GM图及其对应年龄和性别的均值和SD模板生成体素z值。对z图应用二值GM掩模,以将可视化变化限制在GM内。所得的z图被变换回受试者空间,进行颜色编码并与结构MRI融合。为将萎缩图发现限制在偏离规范队列的相关GM偏差上,颜色编码图中仅标示z值高于2.5或低于− 2.5的区域。

评估

该工作流程的实现基于ADNI数据库(http://adni.loni.usc.edu/)的公开数据进行评估。ADNI于2003年作为公私合作项目启动,由首席研究员Michael W. Weiner医学博士领导。ADNI的主要目标是检验系列MRI、PET、其他生物标志物以及临床和神经心理学评估能否联合用于测量轻度认知障碍(MCI)和早期AD的进展。

为进行评估,采用所提出的工作流程对年龄在76岁以下的ADNI受试者(204例AD患者、645例MCI患者、481例健康对照)的3D T1w脑部MRI进行处理,以生成萎缩图。ADNI扫描图像采集自不同厂商的各种1.5-T或3-T MRI扫描仪(扫描参数的详细规格可在[13]和http://adni.loni.usc.edu/methods/documents/mri-protocols/中查阅)。评估了技术上成功生成萎缩图的比例。技术成功的定义如下:(1)处理流程无错误完成,(2)生成了彩色编码萎缩图,(3)图像正确对齐至结构图像,即相关脑体积变化的着色区域位于脑组织位置并以灰质为中心。此外,对于所有成功生成图像的受试者,评估了是否可观察到内侧颞叶萎缩模式,即在彩色编码图中内侧颞叶区域可见任何蓝色,表明体积偏差至少低于平均体积2.5个标准差。此外,在这些受试者中获取了MTA视觉评定量表[5]。根据常规实践,MTA评分≥2被视为病理性[5, 14]。使用McNemar检验比较彩色编码图与MTA视觉评定量表在颞叶萎缩评估中阳性/病理性发现的比例,即对AD或MCI的敏感性以及特异性。技术成功、彩色编码图中的萎缩及MTA评分的评估由一名具有3年神经影像经验的读者(A.H.)完成。彩色编码图中的萎缩评估与MTA评分评估对每名受试者独立进行,即在不同的时间点进行且对另一模态的结果设盲。统计使用R v3.6.3(https://cran.r-project.org/)进行。

结果

所提出的工作流程被实现为一个综合软件包,可从前瞻性3D T1w脑部MRI扫描中全自动生成萎缩图,并提供DICOM接口以便与PACS直接通信。本质上,本地服务器接收从PACS或MRI扫描仪发送的DICOM图像,自动处理这些图像,并将生成的萎缩图导出回PACS。DICOM文件的接收和发送以及DICOM头操作使用DCMTK(https://dicom.offis.de/, OFFIS e.V., Germany)处理。从DICOM到神经影像信息学倡议(NIfTI)文件格式的内部转换使用成熟的dcm2niix软件(https://github.com/rordenlab/dcm2niix)完成。该方法及所实现的软件将被称为veganbagel(纵向上总体萎缩和脑年龄的体积估计)。veganbagel软件以基于Bourne-again shell(BASH)的可访问脚本方法实现,可在大多数UNIX基础系统上执行,并作为开源发布(https://github.com/BrainImAccs/veganbagel)。

使用veganbagel软件对ADNI队列中1330名受试者的3D T1w数据集进行了处理。样本平均年龄为68.9岁(范围55–75岁)。681名受试者(51.2%)为女性。1个AD数据集因严重运动伪影被排除。在剩余的1329次扫描中,处理在技术上成功,在1323名受试者(99.5%)中生成了萎缩图。4名AD受试者(3名男性,1名女性)和2名MCI受试者(均为女性)处理失败。

在成功生成萎缩图的AD患者扫描中,大多数患者可观察到颞顶叶萎缩模式(图2)。在199例AD病例中,萎缩图可检测到左侧142例(71.4%)、右侧140例(70.4%)明显的内侧颞叶萎缩(表1)。相比之下,这些患者中MTA评分在左侧106例(53.3%)、右侧110例(55.3%)为病理性(≥ 2)。这些比率,即对AD的敏感性,在两个半球中萎缩图均显著高于MTA评分(左侧:p < 0.0001;右侧:p < 0.0001)。在MCI患者中,643例MCI患者中萎缩图可检测到左侧292例(45.4%)、右侧280例(43.5%)的内侧颞叶萎缩模式,而MTA评分在左侧112例(17.4%)、右侧94例(14.6%)为病理性(表2)。这些对MCI的敏感性在两种评估之间显著不同(左侧:p < 0.0001;右侧:p < 0.0001)。在健康对照中,萎缩图指示左侧104例(21.6%)、右侧99例(20.6%)存在内侧颞叶萎缩(表3)。健康对照中MTA评分在左侧30例(6.2%)、右侧20例(4.2%)为病理性。萎缩图的特异性(左侧78.4%;右侧79.4%)显著低于MTA评分的特异性(左侧93.8%,p < 0.0001;右侧95.8%,p < 0.0001)。

图2 一名来自阿尔茨海默病神经影像学倡议(ADNI)的68岁男性阿尔茨海默病患者的veganbagel萎缩图。显示三个代表性轴位层面。左上角的色条表示脑体积偏离相应性别和年龄常模的z值 查看原图 ↗
表1 阿尔茨海默病。四格表列出来自阿尔茨海默病神经影像学倡议(ADNI)的199名阿尔茨海默病患者中,veganbagel和MTA视觉评定量表在左、右半球内侧颞叶萎缩发现率的比较 查看原表 ↗
表2 轻度认知障碍。四格表列出来自阿尔茨海默病神经影像学倡议(ADNI)的643名轻度认知障碍(MCI)患者中,veganbagel和MTA视觉评定量表在左、右半球内侧颞叶萎缩发现率的比较 查看原表 ↗
表3 健康对照。四格表列出来自阿尔茨海默病神经影像学倡议(ADNI)的481名健康对照中,veganbagel和MTA视觉评定量表在左、右半球内侧颞叶萎缩发现率的比较 查看原表 ↗

讨论

我们展示了一种基于T1加权脑部MRI扫描生成萎缩图谱的工作流程。该工作流程名为veganbagel,可对单个受试者相对于其同龄规范队列的灰质体积偏差进行体素级半定量评估。该工作流程的实现已作为开源发布,可协助放射科医师评估脑萎缩和神经退行性疾病。对所实现软件的可行性评估显示,其技术可靠性非常高,在检测阿尔茨海默病(AD)中疾病典型萎缩模式方面结果良好。

我们的方法所基于的基于体素的形态学分析(VBM)方法学已被证明能够可靠地指示与正常衰老和神经退行性疾病相关的灰质改变[12, 15]。通过所实现的全自动方法,这些在影像神经科学中确立的宝贵技术现已被转化到临床领域,并便于放射科医师使用。

在ADNI数据上对veganbagel的评估表明,该方法可行且技术上非常可靠(99.5%)。此外,我们能够表明,萎缩图谱使具有临床意义的模式变得明显,因为AD患者中的大多数图谱清楚显示了内侧颞叶萎缩模式。事实上,veganbagel指示这一AD典型模式的比率,即其对AD的敏感性,明显超过了我们样本中已建立的内侧颞叶萎缩(MTA)视觉评定量表的病理评分比率(左侧71.4% vs 53.3%,右侧70.4% vs 55.3%)。MTA量表敏感性相当低——而veganbagel虽然较高——这可能是由于ADNI中的大多数AD患者处于疾病的非常早期阶段[16]。事实上,MTA评分的当前敏感性仅略低于其他研究轻至中度AD中MTA的报告[17]。veganbagel对轻度认知障碍(MCI)的敏感性同样显著高于MTA(左侧45.4% vs. 17.4,右侧43.5% vs. 14.6%)。然而,其特异性显著较低(左侧78.4% vs. 93.8%,右侧79.4% vs. 95.8%)。尽管如此,在筛查环境中,对疾病的高敏感性尤其重要,因此veganbagel对AD和MCI相比当前最先进的视觉评定量表更高的敏感性使其可能作为筛查工具具有价值。

市场上有多种用于脑容量分析的商用软件产品,例如 NeuroQuant(CorTechs Labs)、Neuroreader(Brainreader Aps)或 icobrain(icometrix)。然而,这些工具主要基于表面分割来测量预定义感兴趣区的总体积。这些工具的输出通常是包含大量数字和指标的数据表,用以说明每个感兴趣区的体积偏差,几乎不给放射科医生留出基于图像进行解读的空间。此外,除了这些工具并非免费使用之外,其算法的工作方式对用户而言也是一个黑箱。veganbagel 提供了一种透明的开源解决方案,用于相对于规范性年龄队列对脑 MRI 进行半定量体积分析,并建立在影像神经科学中已知的成熟方法之上。与上述以数字为中心的商用软件报告相比,veganbagel 提供的体素级体积分析和彩色编码横断面萎缩图更符合放射学工作流程,基于图像进行解读和诊断的特权仍属于放射科医生。基于服务器的实现及完整的 DICOM 接口提供了将萎缩图自动接收到放射科医生惯用的 PACS 中的机会,无需任何用户交互,也无需在放射科医生工作站上安装任何额外软件。我们有意决定将 veganbagel 作为开源软件发布,并允许放射学和科学界免费访问该工具。通过这种方式,我们希望 veganbagel 在社区中不断发展,并能进一步改进,成为放射科医生有价值的辅助工具。

该方法的一个潜在局限性可能是特定年龄的规范性模板所依据的受试者数量存在差异。我们选择增强版 NKI Rockland 样本作为这些模板的基础,因为它提供了来自受试者的高质量一致 MRI 数据,且这些受试者在整个生命周期的所有年龄段中分布相当均匀 [8]。目前,我们将生成模板的年龄范围限制在 18 岁以上至 76 岁以下的成年人,因为该样本中较高年龄的数据越来越稀疏。必须承认,来自规范性样本的体积分析可能无法推广到其他人口统计学特征或人群,因为有证据表明区域脑体积存在与文化相关的差异 [18]。Rockland 样本至少在族裔和社会经济地位方面被证明对美国人群具有代表性 [8]。此外,veganbagel 中按年龄和性别特异性 GM 模板的模块化集成允许轻松补充或替换规范性年龄队列的现有数据基础,例如添加来自其他基于人群的研究的数据,或根据当地需求定制规范性数据。该方法是为 3D T1w MRI 扫描开发的。使用与 underlying normative sample 显著不同的成像参数可能会导致不准确。然而,通过对包含多种扫描仪类型和成像序列的 ADNI 样本进行评估,我们提供了证据表明 veganbagel 在不同扫描参数、扫描仪和供应商方面表现得非常稳健。显然,当使用较低图像分辨率时,体积分析的准确性会变粗。2D 成像预计不适合体积分析。

通过提供灰质(GM)偏差相对于年龄常模的半定量定位,并且鉴于该工具首次评估令人信服的结果,veganbagel 可显著提升放射科医生对区域脑体积变化和神经退行性疾病的评估价值。然而,仍需对该工具进行更广泛的评估,以证实这些主张并对其影响提供确凿的见解,这属于我们正在进行的研究范围。

引用

  1. Caspers J, Heeger A, Turowski B, et al. Automated age- and sex-specific volumetric estimation of regional brain atrophy: workflow and feasibility. Eur Radiol. 2020. PMID: 32852588. doi:10.1007/s00330-020-07196-8
  2. 全文:PMC7813701(PMC 开放获取,CC BY)https://pmc.ncbi.nlm.nih.gov/articles/PMC7813701/

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。