基于主成分分析的四维配准技术在乳腺DCE-MRI中的开发与验证
本研究对154例乳腺癌患者的160个病灶的治疗前DCE-MRI进行基于主成分分析的四维配准,通过主观运动分级和客观灌注模型残差评估配准效果,发现配准可显著降低运动伪影、改善图像质量并减少灌注定量不确定性,尤其在中重度运动伪影时效果最明显。
要点
- 对中重度运动伪影的DCE-MRI,四维PCA配准可显著改善减影图像质量,使多数病例运动分级从2级降至1级。
- 配准后Ktrans均值从0.103降至0.097,灌注定量不确定性降低7.4%,尤其在高残差区域改善明显。
- T分期越高的肿瘤从配准中获益的残差减少越显著,提示大肿瘤或运动明显者更应优先应用配准。
核心结论
- 基于PCA的四维配准能有效校正乳腺DCE-MRI减影图像中的运动伪影,改善图像质量并降低灌注模型拟合的不确定性。
- 配准对初始存在中重度运动伪影的病例改善最显著,对无明显运动病例的视觉影响有限。
研究设计与样本
- 单中心回顾性队列研究,最终纳入154例乳腺癌女性患者的160个病灶,来源于2018–2019年在本机构行初始或随访乳腺MRI的489例患者。
- 全部图像在1.5T扫描仪上采集,DCE序列使用T1加权梯度回波序列,共6个时间点(增强前、对比剂注射后90秒及随后每70秒连续4个时间点),层厚2mm,矩阵512×512。
- 配准采用开源SimpleElastix框架实现的非刚性B样条变换多分辨率方案,基于PCA2配准度量,以groupwise方式同时处理三维空间和时间维度。
- 主观评估由两名阅片者以共识方式在盲法下使用0–10数值评分量表及4级运动分类对配准前后图像评分。
- 客观评估在手动分割的肿瘤ROI内使用扩展Tofts模型计算Ktrans及体素残差。
关键影像表现/征象
- 配准前中位运动评分为3(IQR 3),配准后降至1(IQR 1),差异有统计学意义(p < 0.001)。
- 初始运动分级为2级和3级的病例,配准后运动评分中位下降3分(IQR 1,p < 0.001),67例中66例降至0–1级。
- 运动分级与配准后运动改善程度显著相关(Spearman's rho 0.83,p < 0.001)。
- Ktrans均值从配准前0.103(±0.077)降至配准后0.097(±0.070),差异有统计学意义(p < 0.001)。
- 体素残差第90百分位均值从配准前0.2398(SD 0.2307)降至配准后0.2125(SD 0.1745)。
诊断标准与关键数值
- 主观运动分级采用4类:0级为无运动,1级为轻度运动,2级为中度运动,3级为严重运动且图像质量不可诊断。
- 另一数值评分量表为0分(无运动)至10分(严重运动导致不可诊断)。
- 灌注定量不确定性以扩展Tofts模型拟合的体素残差表示,配准后残差降低7.4%(±15.5,p < 0.001)。
- Ktrans标准差从配准前0.096(SD 0.064)降至配准后0.087(SD 0.057)。
- T分期与残差减少正相关(Spearman's ρ −0.32,p < 0.001),T分期越高配准获益越大。
临床应用与阅片要点
- 对于因运动导致减影图像质量下降的乳腺DCE-MRI,可考虑应用四维PCA配准以改善病灶显示和诊断信心。
- 阅片时若发现中重度运动伪影(运动分级2–3级),配准后多数病例可恢复至可诊断水平,避免不必要的重复扫描。
- 进行灌注定量分析时,配准可降低Ktrans的不确定性,尤其在高残差体素区域改善更明显。
- 肿瘤T分期较高者从配准中获得的残差改善更显著,可优先对此类病例应用配准。
局限性
- 本研究为单中心回顾性设计,样本来自特定机构且部分为高风险筛查人群,外推性需谨慎。
- 配准算法依赖开源框架和内部软件,不同平台间的可重复性未评估。
全文中译15 节 · 点击展开
背景
乳腺癌是女性中最常见的癌症,也是继肺癌之后女性癌症死亡的第二大常见原因[1]。针对普通人群的筛查方法和一线诊断手段包括临床检查、超声检查,尤其是乳腺X线摄影[2]。此外,使用动态对比增强(DCE)序列的磁共振成像(MRI)在检测和表征乳腺癌症病灶方面已显示出极好的精确度[3]。因此,建议终生患乳腺癌风险高的患者每年接受DCE-MRI筛查[4]。为克服MRI固有的挑战,包括高成本基础设施和较长检查时间,已有研究使用缩短方案联合或不联合扩散加权成像(DWI)[5, 6]。然而,由于其优异的敏感性,DCE-MRI在临床环境中是一种非常理想的成像方式[7]。
运动伪影是临床常规方案中的一个突出挑战,当判读依赖于减影图像时会危及图像质量。为解决这一问题,可进行图像配准——图像预处理的一个组成部分[8]——以补偿患者运动[9]。文献中已提出多种配准方法[10];然而,大多数算法采用三维的逐时间点方法,忽略了对比剂动力学引起的图像强度变化[11]。为将灌注作为时间变化性对比剂动力学的生理决定因素纳入考量,一项先前在有限患者数量中开展的技术研究的作者提出了一种基于主成分分析(PCA)的配准方案,应用于乳腺MRI[12]。该方法同时在所有四个维度(三个空间维度和一个时间维度)上运行,并整合了解剖结构中由于灌注特征而随时间发生的信号变化[13]。
本研究旨在验证一种基于PCA的配准方法在四维DCE乳腺MRI中的作用,以在临床特征明确的乳腺癌女性人群中考虑对比剂动力学。我们使用定性和定量参数评估了图像配准对临床病灶显着性和灌注分析的影响。
方法
患者选择
本研究经当地机构审查委员会批准,并豁免了患者的书面知情同意。我们的回顾性患者队列来源于本中心共489例初诊乳腺癌患者,这些患者在2018年和2019年因初次或随访MRI而被转诊。我们机构乳腺MRI的适应证包括:已知乳腺癌风险基因致病性变异患者及计算高风险特征患者的高危筛查[14]、有既往乳腺癌病史患者的监测MRI,以及新诊断乳腺癌患者的肿瘤分期。在去除数据集中的重复项(例如因多次随访MRI所致)后,我们排除了未在治疗前接受DCE-MRI或最近一次治疗前MRI不在初诊六个月范围内的患者。此外,若治疗前MRI未显示恶性病变(例如因原发灶不明癌而经组织病理学诊断为乳腺癌)、或最初怀疑恶性后诊断为良性病变、或患者仅有无肿块样病变,则予以排除。此外,我们排除了1例因MRI未使用对比剂的患者和4例因影像数据集不完整的患者。最终研究人群包括154例具有完整影像学和组织病理学特征的患者。图1以流程图形式展示了研究人群的选择过程。
影像学
影像学检查在1.5特斯拉扫描仪上进行,包括平扫T1加权和T2加权序列、使用T1加权梯度回波序列在6个时间点(平扫、对比剂给药后90秒及随后每70秒的四个时间点)进行的DCE序列,以及脂肪饱和延迟增强序列。接受图像配准的DCE序列采用标准梯度回波序列进行初次三维采集,典型成像参数如下:图像矩阵512 × 512px,平面内像素间距0.7 mm,层厚2 mm,回波时间4.7 s,重复时间7.5 s,翻转角25°。
配准
与文献[12, 13]中先前报道的配准方案类似,我们实施了一种基于主成分分析(PCA)的配准方案,对四维动态对比增强磁共振成像(DCE-MRI)输入图像进行操作。我们使用了开源SimpleElastix框架及其Python 3.6接口[15]。我们的配准方案采用非刚性B样条变换,以多分辨率方法结合四个独立分辨率,缩放金字塔方案为八倍、四倍、二倍降采样,最后为原始分辨率,以考虑不同空间尺度上的运动(即先处理粗运动再校正细运动)。我们采用了基于主成分分析的配准度量,如先前所述并已验证用于配准动态对比增强成像数据集(PCA2)[16]。该配准方法通过压缩时间分辨图像体数据之间相关矩阵的特征值,试图将生理性(即对比剂动力学)引起的图像强度变化与解剖运动分离。假设在存在运动时相关矩阵是分散的,从而过度加权较不占主导的特征值。通过减少较不占主导的特征值,运动的贡献得到减轻,从而在保留随时间变化的强度变化的同时改善空间对齐。由于该方法以组wise方式运行,因此不依赖于手动选择参考图像。配准在标准临床工作站上进行。之后,我们通过从增强图像中减去未增强图像,计算了对比剂给药后每个时间点的减影图像。未配准和配准后的图像均按下述进一步处理。
分割
肿瘤分割是运动定量评估的前提。感兴趣区(ROI)采用半自动方式选取;在减影图像中,我们确定了最早出现病灶强化且病灶显示最清晰的时间点,大多数情况下为第一个对比后时间点。仅在对比增强明显延迟时,才选择第二个对比后时间点。对于半自动分割,我们进行了强度阈值处理,减影后强度阈值设为最大病灶强度的0.1。对于体素选择,我们使用了球状画笔工具,其直径可根据个体病灶大小任意调整。强度值高于阈值的体素被纳入ROI。根据需要,使用三维形态学膨胀或腐蚀进行进一步的ROI调整。所有分割均由两名读者(一名合格医师和一名具有六年乳腺MRI经验的委员会认证放射科医师)以共识程序完成。在意见不一致或非典型病例中,咨询了一名资深读者(> 30年经验)。
运动的定性评估
在两名读者(C.M. 和 F.M.)达成共识的过程中,对配准和未配准图像的DCE-MRI序列中的运动进行了量化。读者对是否进行了图像处理设盲。此外,随机选取的30例病例和存在分歧的病例与一名高级顾问(U.B.)进行了讨论。定义了一个从0(无运动)到10(因严重运动而无法诊断)的数字评定量表(NRS)。基于细粒度的NRS,定义了四个临床上更易管理的运动类别,以对诊断质量进行分级,并代表由不同程度的运动伪影引入的临床损害水平(表1)。运动评估按患者水平进行。
运动的定量评估
运动的定量评估在先前分割的ROI中进行。我们通过使用先前描述的扩展Tofts灌注模型计算灌注建模的残差来量化配准的影响[13, 17–19]。这种基于模型的相似性度量通过灌注考虑了信号变化的生理相关性,因此是评估配准质量的有意义的度量[19]。预期低水平运动会产生小的残差。因此,通过配准减少运动预期会降低残差。我们逐体素计算肿瘤的残差,从而能够进行百分位数评估。残差值的变化计算为配准后减去配准前的差值,负值表示运动减少。此外,我们使用扩展Tofts模型计算了容积转移常数Ktrans。灌注建模使用内部开发并已应用于先前研究的软件进行[20–22]。
统计分析
人口学数据、观察者NRS值和残差通过描述性统计进行分析。数据不服从正态分布,因此我们使用符号检验和Wilcoxon符号秩检验进行显著性检验。配对样本的相关性使用Spearman秩检验进行评估。亚组分析按肿瘤实体和肿瘤T分期进行,各采用非参数ANOVA检验。肿瘤实体列于表2。按T分期进行亚组分析时,肿瘤根据TNM标准分类,即DCIS、肿瘤< 2 cm、肿瘤2–5 cm和肿瘤> 5 cm。p ≤ 0.05被视为具有统计学显著性。统计分析使用IBM SPSS Statistics for Windows进行(版本27.0,2020年发布。IBM Corp. Armonk,NY)。
结果
患者人群
我们的患者人群包括154名女性,共有160个乳腺病灶。5名患者患有双侧肿瘤,1名患者患有两个组织学不同的单侧肿瘤。诊断时患者年龄范围为24至75岁,中位年龄为47岁(四分位距,IQR 15)。临床或组织学确定的中位肿瘤大小为15.5 mm,范围为0.9至170 mm(IQR 19.8)。放射学确定的平均肿瘤体积为5.4 ml(标准差,SD 9.6)。最常见的肿瘤类型为非特殊型癌(NST)和浸润性小叶癌,分别占肿瘤类型的69%和17%。作为BRCA1/2携带者或高风险BRCA1/2非携带者,我们研究人群中50%为高风险患者,并被纳入我们中心的强化监测项目[14]。我们组织学明确定义的患者人群的其他特征见表2。
运动减少的主观评估
配准持续时间相对恒定,所需中位时间为11分钟15.3秒(IQR 25.0秒)。配准前,中位NRS为3,IQR为3。配准后,中位NRS降至1,IQR为1(p < 0.001)。NRS上运动减少的程度取决于配准前的NRS值,如图2所示。运动类别0有17名患者(11.0%),运动类别1有70名患者(45.5%),运动类别2有61名患者(39.6%),运动类别3有6名患者(3.9%)。图3显示了说明四个运动类别的示例。在最初归类为无运动或有限运动(运动类别0和1)的患者的MRI中,配准导致的合并中位变化为0(IQR 3),即未观察到视觉变化。然而,在合并运动类别2和3(显示中度或重度运动伪影)患者病例的亚组中,配准后发现NRS上显著中位下降3(IQR 1,p < 0.001)。后一亚组67例中的66例在配准后被归入类别0和1,中位运动类别从2(IQR 0)降至1(IQR 0)。配准前分配的运动类别对配准结果的影响显著(Spearman's rho 0.83,p < 0.001),如图4所示。
运动减少的客观评估
配准导致平均容积转移系数Ktrans从配准前的0.103(SD 0.077)显著降低至配准后的0.097(SD 0.070)(p < 0.001)。Ktrans的标准差从配准前的0.096(SD 0.064)降至配准后的0.087(SD 0.057),降低了7.4%(SD 15.500,p < 0.001)。残差分析显示,残差的第50百分位数出现中度但显著的降低(均值0.0034,SD 0.0075),如图5所示。对于代表高灌注建模不确定性区域的较高百分位数,残差显示明显降低,例如,残差第90百分位数的平均降低为0.0273(SD 0.1157)。配准前,第90百分位数的残差范围为0.032至1.801,均值为0.2398(SD 0.2307),而配准后,范围分别降至0.027和1.226(均值0.2125,SD 0.1745)。此外,我们发现,平均而言,残差较高的肿瘤在所有百分位数上始终显示较高的Ktrans水平(Spearman's ρ = 1.00,p < 0.001)。例如,在平均残差位置(示例性地以病灶内残差的第50百分位数表示),Ktrans与残差程度显示中度相关性(Spearman's ρ = 0.596,p < 0.001)。代表性病例见图6。
亚组分析
按肿瘤实体未发现显著差异,无论是定量评估(p = 0.586)还是定性评估(p = 0.456)。按T分期的亚组分析中,定性评估未显示显著差异(p = 0.897)。然而,定量评估中发现显著差异(p < 0.001):T分期与残余误差的减少呈正相关(Spearman ρ:− 0.32,p < 0.001),表明T分期较高的肿瘤从配准中获益更大。
讨论
在本研究中,我们研究了一种先前建立的四维配准方法对乳腺DCE-MRI数据集中的运动伪影的影响,该方法整合了随时间变化的信号变化并考虑了灌注特征。我们发现,通过使用扩展Tofts模型[17]的灌注建模,在主观定性评估和客观定量测量中,运动伪影均被可靠地减少。运动减少在灌注建模不确定性高的区域尤为有效,该不确定性以拟合过程中的残余误差衡量。此外,我们的配准改善了运动伪影的视觉感知,从而改善了图像质量。结果与原始未配准图像中感知到的运动强烈相关,显示对于初始运动伪影强的图像有显著改善,而对于运动伪影很少或无运动伪影的图像影响较小。
针对乳腺动态对比增强磁共振成像(DCE-MRI)优化的早期配准技术仅基于刚性和仿射变换,用于校正图像的旋转和平移错位[23]。相比之下,非刚性配准方法试图通过基于B样条的自由形变来预测运动[24],并且已发表了这些方法的各种改进版本[12, 25–29]。近年来,乳腺影像配准的研究已转向多模态配准,包括乳腺X线摄影[30–33]、FDG-正电子发射断层扫描(PET)[34, 35]和超声[36]与DCE-MRI之间的跨模态配准。同时,序列内配准已被实施作为后续图像处理(如多模态配准)的基础[37–39]。然而,在临床阅片常规中,配准的潜在益处常被忽视,尽管它可能使原本图像质量不符合诊断要求的影像数据集达到诊断级图像质量。已发现考虑灌注特征的配准算法能有效减少运动,从而最大限度地减少伪影并改善图像质量[13]。然而,纳入生理性对比增强模式的序列内配准尚未在大型、临床特征明确的患者群体中进行评估[12, 13]。我们的研究提供了证据表明,所述配准技术在乳腺癌女性DCE-MRI数据集的诊断阅片环境中可提供优异的主观结果,尤其是在存在明显运动时。因此,最需要减少运动以促进、改善甚至实现临床诊断的图像,从该配准技术的实施中获益显著。图4展示了一例严重运动伪影病例中配准的影响,该病例在配准前的减影图像中肿瘤被完全掩盖。此外,当患者的临床诊断需要更高密度的影像数据时,较长的采集方案可分别提高空间或时间分辨率,从而可能分别改善图像质量或灌注定量的稳定性。另一方面,实施较长的方案可能导致信噪比(SNR)降低和运动伪影增加[40]。已设计出其他方法,如超分辨率重建(SSR),以在不需延长扫描时间的情况下加密影像数据[41]。然而,在临床环境中,偶尔需要更高空间分辨率的情况可通过使用稍长的采集方案来满足,并通过应用基于主成分分析(PCA)的配准来连续抵消运动伪影可能的增加。
配准对灌注定量的影响——即灌注模型参数(如Ktrans)以及利用误差估计(如残差)计算不确定度——已在近期一项研究中得到探讨[18]。我们的研究结果表明,当应用扩展Tofts灌注模型时,配准后体素级残差显著降低。这一效应在配准前残差较高的体素中更为明显,这些体素对应于灌注变异较大的区域。我们发现配准后残差在体素级残差的第90百分位数处尤其显著降低,这与既往研究一致[18]。将药效学参数应用于配准技术评估的挑战此前已由Tofts等人和Mouawad等人指出,他们发现Ktrans对体素错位及通过配准实现的错位校正相对不敏感[18, 42]。尽管如此,我们的结果显示平均Ktrans显著降低,且体素级灌注定量的不确定度显著降低,凸显了灌注引导配准技术的有效性。已有研究提示,轻微的定量运动减少不仅对视觉评估有重要益处,对药代动力学建模也有重要益处[43]。应使用基于生理学的定量评估参数来量化配准的影响,尤其是当配准方案基于对比剂的药代动力学时。
通过评估乳腺影像中的灌注参数来推断组织病理学特征此前已有研究。然而,整合灌注特征的图像配准方法(例如使用基于四维PCA的配准方案)并未被频繁应用,相关研究反而常依赖仿射配准算法[37, 44]。毕竟,图像配准是DCE图像定量分析(无论使用机器学习还是放射组学算法)的前提条件,且可能被视为有效模型构建的必需步骤[45]。省略配准步骤或在预处理过程中使用次优技术,可能因图像信息的时空不一致而危及定量结果。
我们的研究存在局限性,包括其回顾性研究设计以及研究人群仅由癌前或恶性乳腺病变患者组成。由于已有确定的组织学结果可用,我们选择恶性病变作为临床目标病症,因为我们的目标之一是评估图像配准对局灶性病变灌注定量的影响。尽管我们研究人群的构成不允许我们就配准对良性发现或正常扫描患者的影响得出结论,但该结果基于一个广泛、组织学定义明确且来源于临床的研究人群(致病性变异比例较高),这反过来增加了对乳腺癌或癌前病变患者的可迁移性。此外,排除良性病变防止了潜在选择偏倚的引入,因为许多典型良性病变在我们机构未转诊进行活检。此外,本文研究的配准技术的获益已严格对照配准前图像进行了验证。这对应于典型的临床影像分析流程,因为配准通常并未常规使用,尽管其价值无可争议。在此背景下,Melbourne等人在其初步研究中最近证明了基于灌注的四维配准技术优于标准应用的三维非刚性配准技术[12]。尽管我们的工作已取得显著结果,我们推测通过确定理想参数设置可进一步优化配准技术,正如Mehrabian等人在一个复杂的自动化流程中所展示的,以建立一套经过验证的可变形配准参数设置[46]。这种方法可进一步改善图像对齐的范围,并应在未来研究中加以探讨,尤其是在考虑纳入带脂肪饱和的DCE-MRI序列时。最后,我们尚未在前瞻性环境中实施我们的配准技术,以在常规工作流程中证明其临床价值。
结论
在本研究中,我们已在大量组织病理学特征明确的乳腺癌和癌前乳腺病变患者人群中,证明了基于灌注的四维乳腺DCE-MRI配准方法的临床适用性。配准对图像质量的影响已从定量和定性两方面得到展示。我们的结果提示,图像配准可能改善临床阅片并减少定量参数评估中的不确定性,例如通过灌注建模。
补充信息
附加文件1。表S1。增殖指数。表S2。免疫组化受体组合。
引用
- Mattusch, Bick, Michallek, et al. Development and validation of a four-dimensional registration technique for DCE breast MRI. Insights Imaging. 2023. PMID: 36701001. doi:10.1186/s13244-022-01362-w
- 全文:PMC9880129(PMC 开放获取,CC BY)https://pmc.ncbi.nlm.nih.gov/articles/PMC9880129/
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。