顧惠芳 ，戴慧

帕金森病(Parkinson's disease，PD)是第二種常見(jiàn)的神經(jīng)退行性疾病[1]，多發(fā)于中老年人。PD的臨床癥狀包括靜止性震顫、肌強(qiáng)直、運(yùn)動(dòng)遲緩、認(rèn)知及睡眠障礙等，嚴(yán)重影響患者的生活質(zhì)量。PD的特征性病理表現(xiàn)為黑質(zhì)致密部多巴胺能神經(jīng)元的變性、消失及殘留細(xì)胞質(zhì)內(nèi)出現(xiàn)路易小體[2]，此外，有文獻(xiàn)報(bào)道，中腦、基底節(jié)區(qū)核團(tuán)[3-6]及小腦齒狀核[7]區(qū)域微結(jié)構(gòu)的改變也參與了PD癥狀的形成。擴(kuò)散張量成像(diffusion tensor imaging，DTI)是臨床常用的影像學(xué)檢查技術(shù)，通過(guò)定量分析水分子在細(xì)胞組織中的離散情況，可以對(duì)大腦的微結(jié)構(gòu)進(jìn)行定量分析[8]。很多學(xué)者用DTI的各向異性指數(shù)(fractional anisotropy，F(xiàn)A)對(duì)PD進(jìn)行了研究，但結(jié)果存在一定差異[9-10]，推測(cè)可能是由于FA值對(duì)分析各向同性的灰質(zhì)核團(tuán)細(xì)微結(jié)構(gòu)變化不夠敏感導(dǎo)致的[11]。紋理分析利用統(tǒng)計(jì)學(xué)和數(shù)學(xué)方法對(duì)圖像中像素灰度的分布特征進(jìn)行分析，提取醫(yī)學(xué)圖像中部分人眼無(wú)法識(shí)別的紋理特征，再對(duì)提取的紋理特征量化描述，以獲得圖像中更多隱藏的信息。本研究通過(guò)分析PD患者DTI圖像中雙側(cè)尾狀核頭、殼核、蒼白球、黑質(zhì)、紅核、小腦齒狀核及雙側(cè)半卵圓區(qū)的紋理特征，探討基于DTI的紋理分析對(duì)PD的診斷價(jià)值。

1 材料與方法

1.1 研究對(duì)象

研究對(duì)象選擇：前瞻性研究2019年7月至2020年11月于東南大學(xué)附屬醫(yī)院江陰市人民醫(yī)院神經(jīng)內(nèi)科收治的PD患者，按照預(yù)先設(shè)定的納入及排除標(biāo)準(zhǔn)，納入30例進(jìn)入PD組；以同期的健康體檢者為正常對(duì)照組，排除標(biāo)準(zhǔn)與PD組相同，共納入22例。PD組納入標(biāo)準(zhǔn)：(1)符合2016年中華醫(yī)學(xué)會(huì)神經(jīng)病學(xué)分會(huì)運(yùn)動(dòng)障礙及PD學(xué)組制訂的PD診斷標(biāo)準(zhǔn)；(2)均為右利手。排除標(biāo)準(zhǔn)：(1)帕金森綜合征和帕金森疊加綜合征；(2)嚴(yán)重精神癥狀；(3)嚴(yán)重顱腦器質(zhì)性病變、腦外傷及神經(jīng)系統(tǒng)手術(shù)史；(4)酗酒史、藥物濫用史；(5)MRI檢查禁忌者。資料收集：采集受試者的一般資料，包括：性別、年齡、病程及伴隨疾病。PD患者在MR成像前一周內(nèi)進(jìn)行簡(jiǎn)易精神狀態(tài)評(píng)價(jià)量表(Mini Mental State Examination，MMSE)、統(tǒng)一帕金森病評(píng)定量表(Unified Parkinson's Disease Rating Scale，UPDRS)、Hoehn-Yahr(H-Y)分級(jí)的評(píng)定。其中UPDRS量表又分為Ⅰ、Ⅱ、Ⅲ部分，分別代表精神行為和情緒評(píng)定、日常生活活動(dòng)評(píng)定、運(yùn)動(dòng)功能評(píng)定。PD的病程定義為運(yùn)動(dòng)癥狀發(fā)作至行顱腦MRI檢查的時(shí)間。本研究經(jīng)江陰市人民醫(yī)院道德倫理委員會(huì)審核批準(zhǔn)([2019-倫審研-016號(hào))，所有患者或其家屬均知情同意并簽署知情同意書(shū)。

1.2 方法

所有被試者保持清醒，安靜平躺于檢查床上。采用耳塞降低檢查過(guò)程中噪音干擾，使用海綿墊固定受試者頭部，盡量減少受試者的頭動(dòng)。所有序列均采用軸位。采用GE Discovery 750W 3.0 T磁共振掃描儀進(jìn)行掃描，24通道標(biāo)準(zhǔn)頭部線圈進(jìn)行數(shù)據(jù)采集。采用單次激發(fā)自旋回波-回波平面成像(spin-echo echo planar imaging，SE-EPI)序列，進(jìn)行DTI掃描，參數(shù)如下：TE 96.8 ms，TR 12 000 ms，NEX為2，層厚3 mm，層間隔為0 mm，層數(shù)40層，矩陣128×128，F(xiàn)OV 240 mm×240 mm，b值為1000 s/mm2，擴(kuò)散方向25個(gè)，掃描時(shí)間為8 min 25 s。對(duì)掃描得到的MR圖像進(jìn)行主觀評(píng)估，若圖像出現(xiàn)嚴(yán)重扭曲、變形或信號(hào)缺失，正常腦結(jié)構(gòu)無(wú)法辨認(rèn)、存在明顯運(yùn)動(dòng)偽影等情況則認(rèn)為掃描失敗。

1.3 數(shù)據(jù)的后處理和感興趣區(qū)的繪制

DTI圖像使用GE ADW 4.6工作站的Functool軟件進(jìn)行后處理，生成FA圖像。將FA圖(NII格式)導(dǎo)入ITK-SNAP軟件，由2名具備豐富的神經(jīng)影像工作經(jīng)驗(yàn)的副主任醫(yī)師共同對(duì)圖像進(jìn)行判讀，如有分歧，協(xié)商后達(dá)成一致。依次手動(dòng)多個(gè)層面勾畫(huà)右側(cè)尾狀核頭(r1)、左側(cè)尾狀核頭(r2)、右側(cè)殼核(r3)、左側(cè)殼核(r4)、右側(cè)蒼白球(r5)、左側(cè)蒼白球(r6)、右側(cè)黑質(zhì)(r7)、左側(cè)黑質(zhì)(r8)、右側(cè)紅核(r9)、左側(cè)紅核(r10)、右側(cè)半卵圓區(qū)(r11)、左側(cè)半卵圓區(qū)(r12)、右側(cè)齒狀核(r13)、左側(cè)齒狀核(r14)，勾畫(huà)感興趣區(qū)(region of interest，ROI)時(shí)，為了最小化部分容積效應(yīng)，灰質(zhì)核團(tuán)不包含最下面或者最上面的層面，邊界部分也被排除。雙側(cè)半卵圓區(qū)為從胼胝體上部層面開(kāi)始，取雙側(cè)對(duì)稱(chēng)的腦白質(zhì)中央?yún)^(qū)，連續(xù)勾畫(huà)三層。最后并將勾畫(huà)好的ROI以NII格式保存在相應(yīng)的文件夾中。FA圖的ROI放置示例見(jiàn)圖1。

圖1 FA感興趣區(qū)的放置示例。A：雙側(cè)尾狀核頭(紅色)、雙側(cè)殼核(綠色)、雙側(cè)蒼白球(藍(lán)色)；B：雙側(cè)黑質(zhì)(紅色)、雙側(cè)紅核(綠色)；C：雙側(cè)半卵圓區(qū)；D：雙側(cè)齒狀核 圖2 manthattan圖。manthattan圖中每個(gè)點(diǎn)代表一種紋理特征；橫坐標(biāo)代表14個(gè)ROI，每個(gè)ROI的紋理特征都由不同顏色的點(diǎn)表示；縱坐標(biāo)為P值對(duì)數(shù)的負(fù)值。藍(lán)線上方的點(diǎn)均代表有組間差異的紋理特征 圖3 RF模型輸出的特征重要性排序 圖4 隨機(jī)森林(RF)模型的ROC曲線，AUC為0.92Fig.1 Example of placement of ROIs in FA.A:Bilateral caudate head(red),bilateral putamen(green),bilateral globus pallidus(blue).B:Bilateral substantia nigra(red),bilateral red nucleus(green).C:Bilateral centrum semiovale.D:Bilateral dentate nucleus.Fig.2 Each point in manhattan graph represents a texture feature.The abscissa represents 14 ROIs,The texture features of each ROI were represented by dots of different colors.The ordinate is negative to the logarithm of the p-value.The points above the blue line all represent textural features with intergroup differences.Fig.3 Feature importance ranking of RF model outputs.Fig.4 ROC curve of the random forest(RF)model.

1.4 紋理特征的提取

每個(gè)FA圖的原始MRI圖像及對(duì)應(yīng)的ROI三維圖像批量導(dǎo)入A.K.(Artificial Intelligence Kit)軟件，定量計(jì)算10類(lèi)紋理特征，包括一階紋理(first order)特征、形態(tài)(Shape)特征、灰度共生矩陣(gray level cooccurence matrix，GLCM)、灰度依賴(lài)性矩陣(gray level dependence matrix，GLDM)、灰度游程矩陣(gray level run length matrix，GLRLM)、鄰域灰度差矩陣(neighbouring gray tone difference matrix，NGTDM)、灰度區(qū)域大小矩陣(gray level size zone matrix，GLSZM)、高斯拉普拉斯變換(laplacian of Gaussian，LoG)、小波變換(wavelet transform，WT)、局部二值模式(local binary patterns，LBP)。

1.5 統(tǒng)計(jì)學(xué)方法

通過(guò)降維選擇的5個(gè)紋理特征和病程、MMSE、UPDRS的相關(guān)性采用Pearson相關(guān)性分析，和H-Y分級(jí)的相關(guān)性采用Spearman相關(guān)性分析。以P＜0.05為差異有統(tǒng)計(jì)學(xué)意義。

2 結(jié)果

2.1 PD組與對(duì)照組的一般資料

PD組30例，其中男16例，女14例，年齡43～81(69.13±8.75)歲，病程(3.97±3.48)年；對(duì)照組22例，其中男10例，女12例，年齡45～80(66.91±8.69)歲。PD組與對(duì)照組的年齡、性別差異無(wú)統(tǒng)計(jì)學(xué)意義(表1,2)。

表1 受試者人口統(tǒng)計(jì)學(xué)Tab.1 Subject demographics

表2 帕金森病組MMSE、UPDRS、H-Y、病程資料Tab.2 MMSE,UPDRS,H-Y,disease duration in PD group

2.2 FA圖像的紋理分析

對(duì)FA圖像進(jìn)行紋理分析，r1～r14共14個(gè)ROI，共篩選出PD組與對(duì)照組有組間差異的紋理特征14 471個(gè)，其中r1、r7、r8、r9、r11這5個(gè)ROI有統(tǒng)計(jì)學(xué)意義的特征數(shù)較多(圖2)。

用單因素Logistic回歸分析，進(jìn)一步篩選出2640個(gè)對(duì)臨床結(jié)局有顯著影響的特征。其中WT特征有2120個(gè)，占總特征量的80.3%，這些紋理特征屬于r1(右側(cè)尾狀核)的有409個(gè)、r7(右側(cè)黑質(zhì))419個(gè)、r9(右側(cè)紅核)356個(gè)，r11(右側(cè)半卵圓區(qū))342個(gè)，分別占總特征量的15.5%、15.9%、13.5%、13.0%(表3)。

表3 單因素Logistic回歸篩選出的特征的分布情況Tab.3 Distribution of features identified by univariate logistic regression analysis

用mRMR方法選擇特征子集，保留5個(gè)聯(lián)合診斷效能最高的特征(圖3)，這5個(gè)特征的ROC分析結(jié)果，包括曲線下面積(area under the curve，AUC)、特異度、敏感度及準(zhǔn)確度(表4)，其中特征1(r7_wavelet_HLL_glcm_Idmn)的AUC值(0.871)及特異度(0.818)最高，特征3(r7_wavelet_HHH_gldm_LargeDependenceLow GrayLevelEmphasis)和特征4 (r9_wavelet_LLL_gldm_LargeDependenceLowGrayLevelEmphasis)的敏感度最高(0.966)，而特征2(r1_wavelet_LLL_glcm_Imc2)的準(zhǔn)確度最高(0.826)。構(gòu)建RF模型來(lái)區(qū)分PD組及對(duì)照組，繪制ROC曲線(圖4)，得到AUC、準(zhǔn)確度、敏感度、特異度分別是0.92、0.86、0.89、0.84。用交叉驗(yàn)證的方法驗(yàn)證該模型可靠性，得到準(zhǔn)確度、敏感度和特異度分別為0.89、0.84、0.94。

表4 降維所得的紋理特征獨(dú)立預(yù)測(cè)帕金森病的診斷效能Tab.4 Independent diagnostic efficacy of the texture features derived from dimensionality reduction

2.3 紋理參數(shù)與臨床評(píng)分的相關(guān)性

5個(gè)紋理特征與MMSE、UPDRS、病程進(jìn)行Pearson相關(guān)性分析，與H-Y分級(jí)行Spearman相關(guān)性分析，P值均＞0.05，均無(wú)相關(guān)性(表5)。

表5 紋理特征與病程及臨床量表的相關(guān)性Tab.5 Correlation of texture characteristics with course of disease and clinical scale

3 討論

DTI是目前國(guó)內(nèi)外中樞神經(jīng)系統(tǒng)功能研究的熱點(diǎn)之一，國(guó)內(nèi)外學(xué)者利用DTI對(duì)PD患者進(jìn)行了很多研究。有文獻(xiàn)表明，PD患者較健康體檢者黑質(zhì)部的FA值會(huì)降低，原因是PD黑質(zhì)部多巴胺能神經(jīng)元的丟失及組織結(jié)構(gòu)的破壞會(huì)使水分子的擴(kuò)散傾向于各向同性[9]，但又有學(xué)者提出，PD黑質(zhì)部的FA值不會(huì)有顯著的變化，原因有二：(1)黑質(zhì)部神經(jīng)元的丟失、結(jié)構(gòu)的破壞對(duì)FA值的影響未達(dá)到被檢測(cè)的標(biāo)準(zhǔn)；(2)PD患者黑質(zhì)中路易小體的形成與神經(jīng)元的丟失對(duì)水分子擴(kuò)散的影響可相互抵消[12]。分析其原因，可能是FA值只能反映特定感興趣區(qū)各向異性的平均值，對(duì)組織結(jié)構(gòu)的細(xì)微變化不敏感。相比之下，感興趣區(qū)的紋理分析能夠揭示組織內(nèi)部細(xì)微結(jié)構(gòu)的變化，為疾病的診斷提供更多有價(jià)值的信息。

3.1 PD患者FA圖紋理特征變化的腦區(qū)

本研究的結(jié)果顯示，除了右側(cè)蒼白球(r5)，每個(gè)ROI都提取出了差異有統(tǒng)計(jì)學(xué)意義的紋理特征，其中右側(cè)尾狀核頭(r1)、右側(cè)黑質(zhì)(r7)、右側(cè)紅核(r9)、右側(cè)半卵圓區(qū)(r11)存在較多差異有統(tǒng)計(jì)學(xué)意義的紋理特征，說(shuō)明PD患者這些區(qū)域的灰度值分布變化較大。黑質(zhì)和紋狀體是PD確定的病變部位，與本研究的結(jié)果也相符。胡達(dá)等[13]研究得出PD患者在紅核和尾狀核頭的FA值與健康對(duì)照組間的差異有統(tǒng)計(jì)學(xué)意義，徐建國(guó)等[14]研究認(rèn)為早期PD患者腦白質(zhì)的微結(jié)構(gòu)發(fā)生改變。這些結(jié)果表明，PD患者腦區(qū)的病理生理和結(jié)構(gòu)的變化也可以通過(guò)局部紋理特征的改變體現(xiàn)出來(lái)。

筆者同時(shí)注意到這4個(gè)區(qū)域均屬于右側(cè)大腦半球，且雙側(cè)尾狀核頭、雙側(cè)紅核有意義的特征數(shù)相差較大(表3)。偏側(cè)發(fā)病是PD的特征之一，以往的病理學(xué)研究表明，PD患者黑質(zhì)、基底神經(jīng)節(jié)的結(jié)構(gòu)和代謝呈現(xiàn)不對(duì)稱(chēng)下降[15]，即與另一側(cè)比較，癥狀嚴(yán)重一側(cè)與發(fā)病側(cè)對(duì)應(yīng)的殼核、黑質(zhì)多巴胺攝取功能的下降更為顯著，并且這種不對(duì)稱(chēng)性在PD出現(xiàn)雙側(cè)癥狀時(shí)依舊存在。本研究沒(méi)有對(duì)PD組的偏側(cè)性癥狀進(jìn)行評(píng)估，故無(wú)法直接判斷有意義紋理特征的偏側(cè)性分布是否與PD的偏側(cè)發(fā)病有關(guān)，這也是今后需要研究的一個(gè)方向。

3.2 紋理特征提取方法的比較

在經(jīng)過(guò)Mann-WhitneyU檢驗(yàn)、單因素Logistic回歸的篩選后，經(jīng)小波變換后的紋理特征數(shù)，占了總特征量的80%。WT是一種信號(hào)處理型的紋理特征，能夠?qū)r(shí)間頻率進(jìn)行局部化的分析，通過(guò)不斷地進(jìn)行伸縮平移變換來(lái)逐步實(shí)現(xiàn)信號(hào)的多尺度細(xì)化，使得時(shí)間在信號(hào)高頻處得到細(xì)分而頻率在低頻處得到細(xì)分，這樣就能對(duì)信號(hào)的任意細(xì)節(jié)進(jìn)行分析[16]。WT適用于分析和提取非平穩(wěn)信號(hào)的局部特性[17]。目前結(jié)果可以推斷，對(duì)于磁共振圖像，WT較其他紋理分析方法效果更好，能挖掘出更多有意義的特征。

3.3 基于RF分類(lèi)器的診斷效能

通過(guò)mRMR篩選出的5個(gè)聯(lián)合診斷效能最高的紋理特征中，AUC最高的為r7_wavelet_HLL_glcm_Idmn，其中wavelet(WT)是指經(jīng)小波過(guò)濾器分解，小波濾波每級(jí)產(chǎn)生8次分解，3個(gè)維度中應(yīng)用高通或低通濾波器的所有可能組合有LLH、LHL、LHH、HLL、HLH、HHL、HHH、LLL；GLCM反映圖像空間中相隔一定距離的兩像素之間的灰度關(guān)系，用來(lái)描述指定方向上紋理的粗糙程度；Idmn指歸一化逆差距(inverse difference moment normalized，IDMN)，是GLCM的特征之一，描述了圖像局部的均勻性，其值越大，說(shuō)明圖像紋理越均勻，不同區(qū)域缺少變化。r7_wavelet_HLL_glcm_Idmn代表右側(cè)黑質(zhì)區(qū)域(r7)原始圖像經(jīng)小波分解(分解方式為HLL)后獲取的GLCM的特征Idmn，本研究中PD組的Idmn值大于對(duì)照組，反映PD患者右側(cè)黑質(zhì)區(qū)域FA圖的紋理趨向均勻，推斷由于黑質(zhì)部神經(jīng)元的丟失與組織結(jié)構(gòu)的破壞使各像素的水分子的擴(kuò)散趨于均勻。另外，r7_wavelet_HLL_glcm_Idmn特異度最高，能夠較少地把正常對(duì)照組誤診為PD患者，誤診率較低。r1_wavelet_LLL_glcm_Imc2的準(zhǔn)確度較高，能夠較正確地預(yù)測(cè)出PD患者。這個(gè)特征指右側(cè)尾狀核頭(r1)原始圖像經(jīng)小波分解(分解方式為L(zhǎng)LL)后獲取的GLCM的特征Imc2，Imc2是GLCM的特征之一，指信息相關(guān)度2(informational measure of correlation，Imc2)，它能夠反映紋理的復(fù)雜性。r7_wavelet_HHH_gldm_LargeDependenceLowGrayLevel Emphasis和r9_wavelet_LLL_gldm_LargeDependenceLow GrayLevelEmphasis的敏感度最高，能夠更敏感地診斷出PD患者，漏診率低。大依賴(lài)度低灰度水平(large dependence low gray level emphasis，LDLGLE)也是GLDM的一個(gè)特征，GLDM量化了依賴(lài)于中心體素的距離為δ的體素?cái)?shù)量，描述了相鄰灰度相關(guān)體素在圖像中出現(xiàn)的次數(shù)。LDLGLE越高，說(shuō)明更低灰度值的體素彼此相鄰[18]。本研究中PD右側(cè)黑質(zhì)及紅核區(qū)域的LDLGLE的值大于對(duì)照組，這可能是PD相應(yīng)區(qū)域中低信號(hào)的物質(zhì)更多。本研究進(jìn)一步用5個(gè)聯(lián)合診斷效能最高的特征構(gòu)建RF預(yù)測(cè)模型，得到AUC值為0.92，同時(shí)用交叉驗(yàn)證的方法驗(yàn)證了模型的可靠性，準(zhǔn)確度為0.89，說(shuō)明該模型能對(duì)PD患者做出有效的預(yù)測(cè)。這與國(guó)內(nèi)外一些研究結(jié)果一致，Li等[19]基于定量磁敏感圖(quantitative susceptibility mapping，QSM)對(duì)PD患者黑質(zhì)進(jìn)行紋理分析，得出Entropy、SumEntrp兩個(gè)特征的診斷效能均達(dá)到0.89。劉磐石等[20]分析了PD患者和正常對(duì)照組雙側(cè)尾狀核頭的自回歸模型紋理特征參數(shù)，結(jié)果表明特征參數(shù)Teta4、Teta3能夠有效區(qū)分PD患者和正常對(duì)照組，AUC值分別達(dá)到0.74和0.68。Chakraborty等[21]對(duì)637例PD患者、66例PD前驅(qū)者及203例對(duì)照組基于T1WI加權(quán)序列進(jìn)行影像組學(xué)的研究，得到人工神經(jīng)網(wǎng)絡(luò)對(duì)PD的分類(lèi)表現(xiàn)最好，準(zhǔn)確率、召回率及精確率分別達(dá)到95.3%、95.41%、97.28%，F(xiàn)1分?jǐn)?shù)為0.94。雖然各研究分析的序列不一樣，但結(jié)果均顯示紋理分析方法、影像組學(xué)對(duì)PD患者有很高的診斷效能。

3.4 PD患者紋理特征與臨床評(píng)分的相關(guān)性分析

本研究采用Pearson及Spearman相關(guān)性分析，分析5個(gè)紋理特征和病程、MMSE、UPDRS、及H-Y分級(jí)之間的相關(guān)性，均未發(fā)現(xiàn)有顯著的相關(guān)性。說(shuō)明上述紋理特征對(duì)PD病情的評(píng)估幫助不大。Sikio等[22]基于T2WI序列對(duì)PD患者進(jìn)行紋理分析，得到多個(gè)腦區(qū)的紋理參數(shù)與患者臨床評(píng)分存在顯著相關(guān)性。筆者分析原因，其一：雖然本研究的量表均于停藥后12 h后進(jìn)行評(píng)價(jià)，但是仍然不能排除臨床量表評(píng)分受藥物治療影響的可能性；其二：本研究與臨床評(píng)分量表進(jìn)行相關(guān)性分析的紋理特征數(shù)較少，有待進(jìn)一步挖掘。

本研究存在一定的局限性。第一，納入患者樣本量較小，結(jié)果可能存在一定偏倚。第二，采用手動(dòng)勾畫(huà)ROI的方法，工作量大且精確度不夠高，利用半自動(dòng)或者自動(dòng)的圖像分割軟件可能更為合理。第三，PD患者無(wú)法進(jìn)行病理學(xué)的確認(rèn)，本研究患者的診斷是基于臨床標(biāo)準(zhǔn)，這也會(huì)影響分析結(jié)果的準(zhǔn)確性。

綜上所述，PD患者和對(duì)照組的腦內(nèi)灰質(zhì)核團(tuán)、半卵圓區(qū)白質(zhì)在DTI的FA圖上存在紋理差異，基于DTI的紋理分析對(duì)PD有很高的診斷價(jià)值，能夠?yàn)镻D的診斷提供可靠的客觀依據(jù)，但對(duì)PD病情評(píng)估的幫助有待進(jìn)一步的研究。

作者利益沖突聲明：全體作者均聲明無(wú)利益沖突。