李賢軍，陳健，夏菁，王苗苗，李夢軒，王利，李剛，沈定剛*，楊健*

腦皮層的早期發(fā)育與神經(jīng)行為能力的發(fā)展密切相關，新生兒期是腦皮層發(fā)育的關鍵時期[1]，而早產是影響腦發(fā)育水平的重要因素[2]。因此，需對新生兒腦皮層發(fā)育規(guī)律進行研究，并評估早產對腦皮層發(fā)育的影響，為及時采取干預措施提供依據(jù)。MRI是新生兒腦檢查的主要方法，其中3D T1加權成像(T1 weighted imaging，T1WI)對新生兒局灶性白質損傷病灶的檢出率最高[3-4]，在新生兒影像檢查中使用廣泛。但是，新生兒腦T1WI圖像對比度低，偏容積效應嚴重，對其進行圖像分割面臨巨大挑戰(zhàn)[5]。以往研究基于多種成像序列或多時間點采集的圖像實現(xiàn)了兒童腦MRI灰白質分割[6-7]；然而，由于新生兒自我控制能力差，無法長時間保持安靜狀態(tài)[8]，以往方案不適宜于新生兒。上述技術局限性導致新生兒腦皮層發(fā)育的研究不深入[5]，如何基于T1WI進行圖像分割將是解決上述問題的關鍵。機器學習方法在圖像分割中得到了有效應用[9]，為新生兒T1WI圖像分割提供了新思路。針對圖像分割任務，密集卷積神經(jīng)網(wǎng)絡表現(xiàn)突出[10]，在該網(wǎng)絡中，每一層的輸入是來自前面所有層的輸出，同時，該層輸出的特征也會傳給后面各層。該模型可實現(xiàn)特征的重復利用進而減少特征圖，具有抗過擬合的優(yōu)點?；谏鲜鎏攸c，本研究采用密集卷積神經(jīng)網(wǎng)絡遷移學習實現(xiàn)新生兒T1WI圖像分割模型，并基于分割結果重建大腦皮層，探討腦皮層表面積、厚度、容積等量化指標在新生兒期的發(fā)育變化特點，分析早產兒與足月兒腦皮層發(fā)育狀態(tài)的差異。

1 材料與方法

本研究獲得了醫(yī)院倫理委員會的批準，MRI檢查前告知新生兒監(jiān)護人檢查注意事項，并由監(jiān)護人簽署了知情同意書。

1.1 研究對象

本文中研究對象是進行腦損傷篩查以及腦發(fā)育狀態(tài)評估的兒童，為了盡早檢測到腦損傷病灶，新生兒期(生后28 d以內)進行MRI檢查是首選方案；然而，腦發(fā)育狀態(tài)評估的參考是足月新生兒，為了將該部分早產兒與足月兒進行對比分析，在校正胎齡達到足月期才具備可比性。鑒于此，本文中早產兒包括了早產新生兒與校正至足月期的早產兒。

研究對象的納入標準：早產新生兒(胎齡＜37周；MRI檢查日齡≤28 d)、校正至足月期的早產兒(胎齡＜37周；校正胎齡≥37周，其中校正胎齡=胎齡+MRI檢查日齡)、足月新生兒(胎齡≥37周；MRI檢查日齡≤28 d)；完整的三維T1WI圖像數(shù)據(jù)；完整的出生指標。排除標準：局灶性腦白質損傷；腦出血；室管膜下囊腫；腦軟化灶；臨床診斷為缺血缺氧性腦??；以及其他常規(guī)MRI診斷異常。經(jīng)納入排除標準篩選，最終入組研究對象50例。根據(jù)胎齡、校正胎齡等信息，研究對象分為3組：18例早產新生兒、16例校正至足月期的早產兒、16例足月新生兒。

1.2 數(shù)據(jù)采集設備及方案

使用GE 3.0 T MRI設備(型號：Signa HDxt；GE醫(yī)療；美國)以及8通道頭線圈進行三維快速擾相梯度回波T1WI序列掃描。具體參數(shù)為：重復時間=10.47 ms；回波時間=4.76 ms；反轉時間=400 ms；全腦等體素采集(1 mm×1 mm×1 mm)；視野=240 mm×240 mm；采集矩陣=240×240；重建矩陣=256×256；層厚=1 mm。

為了確保順利完成MRI檢查，檢查前30 min由責任護士遵主管醫(yī)師醫(yī)囑，通過口服或灌腸給予新生兒10%水合氯醛(25 mg/kg)，操作流程嚴格遵循指南[11]執(zhí)行。待新生兒入睡后由主管醫(yī)師與監(jiān)護人護送至MRI檢查室，包裹在襁褓中放在掃描床上，使用耳塞對聽力進行保護，同時在頭部兩側放置海綿、氣囊以適當固定。在整個檢查過程中對心率、呼吸等生理指標進行監(jiān)測。

1.3 數(shù)據(jù)預處理

在圖像分割前，本研究對圖像進行了預處理[5，12]。首先將圖像重采樣，體素大小由0.94 mm×0.94 mm×1 mm重采樣為1 mm×1 mm×1 mm；為了去除磁場不均勻導致的圖像灰度偏移，采用N3校正方法進行圖像灰度不均勻校正；最后，去除腦外信號以提取腦實質區(qū)域，從而使圖像中的信號僅包括灰質、白質、腦脊液3部分。

1.4 圖像分割模型的訓練與評價

在本研究中，模型訓練與評價的流程包括：相似數(shù)據(jù)集初步訓練、本地數(shù)據(jù)初步分割、手動修正、基于修正數(shù)據(jù)對模型進行二次訓練、模型測試等環(huán)節(jié)(如圖1)。

模型結構與參數(shù)設置：本文所使用的密集神經(jīng)網(wǎng)絡由下采樣通路和上采樣通路構成，包括7個密集模塊及相應的過渡層(如圖1)。在下采樣通路中，過渡層包括卷積層、批量歸一化層、線性整流單元、池化層；在上采樣通路中，過渡層則包括反卷積層、批量歸一化層、線性整流單元。為了獲取局部區(qū)域特征，訓練圖像以圖像塊的形式進入網(wǎng)絡，圖像塊大小設置為32×32×32。采用Xavier初始化方法對神經(jīng)網(wǎng)絡進行初始化，同時選擇交叉熵作為損失函數(shù)，使用最陡下降法尋找最優(yōu)解，學習率初始化為0.005。卷積層的卷積核為3×3×3、步長設為1、以0填充。為了保證特征圖大小改變時運算依然可行，在兩個密集模塊之間使用過渡層，利用卷積、池化改變特征圖的大小。模型訓練和測試在NVIDIA Titan X GPU平臺實現(xiàn)。

模型訓練與參數(shù)調整：本研究對模型的訓練包含初步訓練與二次訓練，使用外部訓練集與本地訓練集樣本共計30例?？紤]到新生兒腦部結構的手動標注復雜且耗時，本研究采用了遷移學習的策略[13]。首先引入來源于外部數(shù)據(jù)庫(http://iseg2017.web.unc.edu/babyconnectome-project/)具有標簽的相似數(shù)據(jù)集(樣本量：5例)進行模型初步訓練，得到初步訓練的分割模型，然后將該模型應用于本地數(shù)據(jù)集。雖然兩個新生兒數(shù)據(jù)集在參數(shù)上相似，但兩個數(shù)據(jù)集的圖像在灰度分布、空間分辨率、圖像質量等方面仍有差別。在初步分割結果的基礎上，由專家(從事新生兒MRI診斷工作時間大于5年的影像科醫(yī)師)對分割結果進行手動修正，從而得到修正后的分割結果。最后，隨機抽取25例本地修正后的數(shù)據(jù)作為訓練集對模型進行二次訓練；通過獨立驗證(驗證集樣本量：10例)實現(xiàn)參數(shù)優(yōu)化并得到最終的圖像分割模型。

模型評價：將訓練好的模型應用于測試集(樣本量：15例)，進行灰質、白質、腦脊液等區(qū)域Dice系數(shù)的計算。該參數(shù)取值范圍為0～1，越接近于1表明分割效果越好，計算方式如下：

上式中，A代表使用模型得到的分割結果，B代表專家標注的結果。

在圖像分割的基礎上進行拓撲結構校正、腦皮層重建[12，14]。全腦被分為左側、右側大腦半球，并分別計算雙側大腦半球的皮層表面積、厚度以及容積。

1.5 統(tǒng)計學分析

采用SPSS 17.0中的Mann-Whitney U檢驗方法進行組間差異分析；性別比例的組間比較采用χ2檢驗。腦皮層表面積、厚度、容積與校正胎齡的相關性采用Spearman偏相關(早產因素作為控制變量)，P＜0.05被認為差異有統(tǒng)計學意義。針對多重比較，采用Bonferroni校正(總的比較次數(shù)為3)，即P＜0.017(0.05/3)被認為具有統(tǒng)計學意義。

2 結果

2.1 研究對象基本信息比較

早產新生兒與校正至足月期的早產兒的胎齡、性別差異無統(tǒng)計學意義；MRI檢查日齡、校正胎齡差異有統(tǒng)計學意義。早產新生兒與足月新生兒的檢查日齡、性別的組間差異無統(tǒng)計學意義；胎齡、校正胎齡的組間差異有統(tǒng)計學意義。校正至足月期的早產兒與足月新生兒的校正胎齡、性別差異無統(tǒng)計學意義；胎齡、檢查日齡差異有統(tǒng)計學意義。見表1。

2.2 卷積神經(jīng)網(wǎng)絡圖像分割效果評估

圖像分割模型可有效地分割新生兒腦灰質、白質、腦脊液(圖2)。由圖2中各典型層面的分割結果可見，該模型適用于早產新生兒、校正至足月期的早產兒、足月新生兒等人群。并且各區(qū)域分割具有較高的準確性，灰質、白質、腦脊液Dice系數(shù)最小值分別為0.93、0.97、0.96，最高可達0.99(表2)。

表1 研究對象的人口統(tǒng)計學資料Tab. 1 Demographics of the participants

表2 腦灰質、白質、腦脊液區(qū)域分割的Dice系數(shù)Tab. 2 Dice ratios for the segmentation of gray matter, white matter, and cerebrospinal fluid regions

圖1 圖像分割模型訓練與測試流程圖Fig. 1 Flow chart of the training and testing of the image segmentation model.

圖2 腦T1WI圖像的灰質、白質、腦脊液分割結果。A：T1WI圖像典型層面；B：對應T1WI圖像的分割結果Fig. 2 Segmentation of gray matter, white matter, and cerebrospinal fluid on brain T1WI. A: Representative slices of T1WI; B: Segmented results corresponding to the T1WI slices.

2.3 腦皮層形態(tài)學指標與校正胎齡的相關性

通過形態(tài)學指標與校正胎齡的相關性分析(圖3)發(fā)現(xiàn)，雙側大腦半球皮層表面積、容積隨著校正胎齡的增加而顯著增大(P＜0.001)；左側大腦半球皮層厚度與校正胎齡呈弱正相關(r=0.31，P=0.029)，而右側大腦半球皮層厚度與校正胎齡的相關性無統(tǒng)計學意義(r=0.23，P=0.110)。

圖3 腦皮層表面積、厚度、容積與校正胎齡的相關性Fig. 3 Correlations between surface area, cortical thickness, volume and the postmenstrual age.

圖4 早產兒與足月兒腦皮層表面積、厚度、容積的組間比較Fig. 4 Inter-group comparisons of surface area, cortical thickness, and volume on preterm and term infants.

2.4 早產兒與足月兒腦皮層形態(tài)學指標組間比較

與早產新生兒相比，校正至足月期的早產兒以及足月新生兒的雙側大腦半球皮層表面積、容積顯著增高(P＜0.001)，皮層厚度的差異無統(tǒng)計學意義；校正至足月期的早產兒與足月新生兒相比，雙側大腦半球皮層表面積、厚度以及容積的差異無統(tǒng)計學意義(圖4)。

3 討論

為滿足早產兒腦發(fā)育狀態(tài)評估的臨床需求，本文通過密集卷積神經(jīng)網(wǎng)絡實現(xiàn)了新生兒腦灰質、白質、腦脊液的圖像分割，并獲得了腦皮層形態(tài)學指標。結果表明，新生兒期腦皮層表面積、容積與校正胎齡呈顯著正相關，皮層厚度與校正胎齡的相關性較弱，且左右腦存在差異。早產與足月新生兒的腦皮層形態(tài)存在顯著差異。

3.1 新生兒腦皮層形態(tài)發(fā)育變化特點

腦皮層在新生兒期快速發(fā)育[1]，具體而言，皮層容積成倍增加[15]。本研究結果表明，校正胎齡從32周至42周，左、右大腦半球皮層容積分別增加了2.73、2.66倍。通常皮層容積取決于皮層表面積與厚度[16]。本研究發(fā)現(xiàn)，新生兒期腦皮層的快速變化主要體現(xiàn)為皮層表面積的增加，而皮層厚度與校正胎齡的相關性則較弱。該結果反映出皮層表面積不斷延展，并伴隨腦溝回折疊程度增加，這與腦溝回發(fā)育水平的視覺評估結果一致[17]。皮層表面積的快速增加與神經(jīng)元向皮層遷移、生長以及突觸形成有關[16]。盡管神經(jīng)元的增殖遷移主要發(fā)生在胎兒期，出生后仍可觀察到神經(jīng)元向額葉遷移[18]。此外，左右大腦半球結構發(fā)育特點存在差異。腦功能研究[19]表明，出生后3個月的嬰兒腦功能已經(jīng)體現(xiàn)出左側大腦半球優(yōu)勢。本文結果中左側皮層厚度與校正胎齡的相關性強于右側，從腦結構發(fā)育的角度說明了雙側大腦半球的不對稱性。

3.2 早產對新生兒腦皮層發(fā)育的影響

早產是影響新生兒腦發(fā)育的重要因素[20]，本研究發(fā)現(xiàn)，早產新生兒雙側大腦半球皮層表面積與容積均低于足月新生兒，這表明早產兒較同時期足月兒腦發(fā)育成熟度低。盡管在校正至足月期時早產兒存在趕上足月兒的趨勢，但早產兒組內各項指標的標準差仍大于足月兒?？梢娫绠a以及過早的外界刺激改變了腦結構的發(fā)育軌跡[2]，從而影響兒童行為能力[21]。這種影響甚至持續(xù)到青少年時期，進而影響高級認知功能的發(fā)展[22-23]。新生兒期腦皮層形態(tài)學指標不僅對于量化評估早產兒發(fā)育水平具有重要價值，對于認識早產兒后天行為的結構基礎亦至關重要[24]。雖然早產引起腦皮層結構改變的機制尚不明確，可能與孕晚期、新生兒期的神經(jīng)元的生長、分化以及遷移受到干擾有關[23]。同時，腦結構的發(fā)育受遺傳、外界因素雙重影響[16，25]，早期干預有助于改善早產兒的預后。本文結果提示，與皮層厚度相比，皮層表面積對于監(jiān)測早產因素的影響更為敏感，從影像學角度為新生兒期及時采取干預措施提供了客觀依據(jù)。

3.3 本研究對方法的改進與局限性

新生兒腦MRI圖像分割是研究腦發(fā)育的關鍵環(huán)節(jié)，也是圖像處理領域的難點[5]。圍繞腦圖像分割，基于腦模板及其組織概率圖的常規(guī)分割方法在成年人數(shù)據(jù)中取得了良好效果，并在公開工具中集成[26]。然而，常規(guī)方法對圖像對比度要求較高。而新生兒圖像灰白質對比度低，仍需借助2歲兒童分割結果引導才能完成分割任務[27]。同時，常規(guī)方法對模板及其組織概率圖依賴性強，目前仍缺乏適宜于中國新生兒的腦模板及其組織概率圖。此外，常規(guī)方法的參數(shù)針對成年人設置而無法直接應用于新生兒。鑒于此，已有研究采用多信息融合的策略進行方法改進[6-7]，但增加了圖像采集的難度以及計算復雜度。與以往方法相比，本文主要從以下方面對其進行了改進：首先，基于T1WI單一序列完成分割，T1WI是影像診斷中常用的成像方法，檢查時間短，易獲取，與依賴多序列圖像或多時間點數(shù)據(jù)的方法[6-7]相比，本文所采用的方法更適用于新生兒人群。此外，以往基于深度學習的方法常耗費大量時間進行數(shù)據(jù)標注[24]，為了提高圖像標注的效率，本研究借鑒遷移學習的策略[13]，利用相似數(shù)據(jù)集進行模型初步訓練，并進行人工修正，可減少人工標注的工作量。經(jīng)評價，本文的方法適用于新生兒，進一步驗證了密集卷積神經(jīng)網(wǎng)絡分割模型是一種有效的圖像分割方法。

本研究仍存在一定的局限性。首先，本文用于訓練模型的數(shù)據(jù)在樣本量與多樣性方面仍存在不足，仍需采用多中心數(shù)據(jù)進行模型的再次訓練，進一步提高模型的泛化能力。本研究是一項斷面研究，所描述的腦發(fā)育規(guī)律仍待縱向數(shù)據(jù)驗證。由于缺乏中國新生兒腦圖譜，本文未能就各腦區(qū)的發(fā)育規(guī)律展開研究，計劃通過構建新生兒腦分區(qū)圖譜克服上述不足。

綜上所述，通過對密集卷積神經(jīng)網(wǎng)絡訓練，可有效地實現(xiàn)新生兒腦T1WI圖像分割；基于圖像分割與皮層重建可量化評估新生兒腦皮層的發(fā)育水平，早產兒雙側大腦半球皮層發(fā)育落后于足月兒。

利益沖突：無。