李星江 薛培源 呂坤雪 王 婷 崔耀月 魏秀芳

1.牡丹江醫(yī)學(xué)院，黑龍江牡丹江 157000；2.牡丹江醫(yī)學(xué)院附屬紅旗醫(yī)院核磁共振科，黑龍江牡丹江 157011

帕金森病（Parkinson’s disease，PD）是一種常見(jiàn)的中樞神經(jīng)系統(tǒng)疾病，僅次于阿爾茨海默病，據(jù)報(bào)道我國(guó)PD的發(fā)病率正處于上升期[1]。PD的發(fā)生與黑質(zhì)多巴胺能神經(jīng)元變性死亡、神經(jīng)黑色素的丟失有關(guān)，目前引起這些神經(jīng)元死亡的原因并不明確[2]。如今對(duì)于PD的診斷主要依靠于臨床癥狀及臨床量表，缺少客觀的評(píng)價(jià)指標(biāo)以及定量分析的影像學(xué)手段。PD患者在出現(xiàn)臨床癥狀前，其神經(jīng)黑色素就已經(jīng)開(kāi)始丟失[3]，神經(jīng)黑色素主要分布于中腦黑質(zhì)區(qū)域。NM-MRI成像原理基于縮短人體組織T1值，可以清楚顯示中腦黑質(zhì)，在圖像上表現(xiàn)為明顯的高信號(hào)，因此可以作為診斷PD的影像學(xué)手段。影像組學(xué)紋理分析技術(shù)是一種定量分析的手段，可以提取醫(yī)學(xué)圖像的高通量的信息，識(shí)別灰度分布、像素之間的空間關(guān)系等信息，提供肉眼無(wú)法獲得的圖像信息，不受診斷醫(yī)師主觀因素的影響。本研究基于NM-MRI圖像，通過(guò)影像組學(xué)紋理分析技術(shù)，分析PD患者中腦黑質(zhì)致密部（SNc）的紋理特征，探究NM-MRI影像組學(xué)對(duì)PD的診斷價(jià)值。

1 資料與方法

1.1 一般資料

選取2020年1月至2022年2月在牡丹江醫(yī)學(xué)院附屬紅旗醫(yī)院帕金森門(mén)診就診或住院患者中確診為PD患者60例為PD組，其中男17例，女43例；年齡48～79，平均（62.68±8.04）歲，健康對(duì)照患者（healthy control，HC）60例為HC組，其中男21例，女39例；年齡46～79，平均（65.58±8.38）歲，兩組患者一般資料比較，差異無(wú)統(tǒng)計(jì)學(xué)意義（P＞ 0.05）。本研究經(jīng)牡丹江醫(yī)學(xué)院附屬紅旗醫(yī)院醫(yī)學(xué)倫理委員會(huì)審核批準(zhǔn)（審批編號(hào)：202151）。

納入標(biāo)準(zhǔn)：符合2015年國(guó)際運(yùn)動(dòng)障礙協(xié)會(huì)（movement disorder society，MDS）制定的PD診斷標(biāo)準(zhǔn)[4]。

排除標(biāo)準(zhǔn)：曾經(jīng)做過(guò)腦深部電刺激（deep brain stimulation，DBS）手術(shù)治療；繼發(fā)性帕金森綜合征；顱內(nèi)血管病變及占位病變；合并內(nèi)科或精神疾病妨礙患者進(jìn)行MRI檢查；改良的Hoehn-Yahr分期（H-Y分期）量表[5]4～5期；依從性差者；患者年齡≤45或≥80歲。

1.2 儀器與方法

所有研究對(duì)象，在Achieva 3.0T TX MR（飛利浦，荷蘭）掃描機(jī)器上通過(guò)8通道頭線圈獲得常規(guī)的頭顱MRI圖像和NM-MRI圖像。NM-MRI成像具體參數(shù)：重復(fù)時(shí)間（TR）550 ms，回波時(shí)間（TE）13 ms，視野大小（FOV）200×181 mm2，體素大?。╒oxel）0.4 mm×0.45 mm，矩陣大小（Matrix）500×402，層厚2.5 mm，無(wú)間距掃描，磁化轉(zhuǎn)移（MT）開(kāi)啟，翻轉(zhuǎn)角為90°，掃描層數(shù)（slices）8，激勵(lì)次數(shù)（NSA）2.4，掃描時(shí)間9分57秒。采集范圍中腦背蓋上緣到中腦下緣。

1.3 圖像分析

選取層面：在軸位的NM-MRI圖像上，可在中腦的連續(xù)三個(gè)層面上可見(jiàn)SNc高信號(hào)影，選取SNc高信號(hào)區(qū)最大的層面。感興趣區(qū)域（ROI）勾畫(huà)：分別由2名影像科室診斷的主治醫(yī)師評(píng)價(jià)圖像，意見(jiàn)有分歧時(shí)通過(guò)協(xié)商達(dá)成一致。同一名醫(yī)師在NM-MRI序列在左、右兩側(cè)SNc處勾畫(huà)同一類(lèi)ROI作為該患者的SNc處整體ROI。紋理特征提?。豪肕aZda提取感興趣區(qū)域紋理特征參數(shù)，包括灰度直方圖參數(shù)、絕對(duì)梯度模型參數(shù)、灰度共生矩陣參數(shù)、灰度游程矩陣參數(shù)、自回歸分析模型參數(shù)。

1.4 數(shù)據(jù)處理

所提取的特征參數(shù)利用費(fèi)希爾參數(shù)法（Fisher）、最小分類(lèi)誤差與最小平均相關(guān)系數(shù)法（POE+ACC）、相關(guān)信息測(cè)度法（MI）進(jìn)行降維，分別將三種方法提取的參數(shù)特征導(dǎo)入MaZda軟件B11處理器進(jìn)行原始數(shù)據(jù)分析（RDA）、主要成分分析（PCA）、線性判斷分析（LDA）、非線性判斷分析（NDA）分析比較。將降維后的紋理特征參數(shù)導(dǎo)入SPSS 26.0軟件中分析。

1.5 統(tǒng)計(jì)學(xué)方法

使用SPSS 26.0統(tǒng)計(jì)學(xué)軟件進(jìn)行數(shù)據(jù)處理，計(jì)量資料用均數(shù)±標(biāo)準(zhǔn)差（±s）表示，采用t檢驗(yàn)，計(jì)數(shù)資料用[n（%）]表示，采用χ2檢驗(yàn)，P＜ 0.05為差異有統(tǒng)計(jì)學(xué)意義。

2 結(jié)果

2.1 三種降維方法不同組合分析錯(cuò)判率

Fisher、POE+ACC、MI降維方法與RDA、PCA、LDA、NDA分類(lèi)方法分別組合，其中Fisher提取的最佳參數(shù)與NDA相結(jié)合的錯(cuò)判率最低（5.83%），見(jiàn)表1。

表1 三種降維方法不同組合分析錯(cuò)判率[n（%）]

2.2 PD組與HC組影像組學(xué)紋理特征比較

所有研究對(duì)象NM-MRI圖像在MaZda軟件中勾畫(huà)，見(jiàn)圖1；共提取284個(gè)紋理特征，經(jīng)Fisher、POE+ACC、MI降維后共納入19個(gè)紋理特征參數(shù)進(jìn)行分析，PD與HC組SNc影像組學(xué)紋理特征參數(shù)Teta4差異無(wú)統(tǒng)計(jì)學(xué)意義（P＞ 0.05），其余均具有統(tǒng)計(jì)學(xué)意義（P＜ 0.05），見(jiàn)表2。

圖1 MaZda軟件ROI勾畫(huà)示意圖

表2 PD組與HC組影像組學(xué)紋理特征參數(shù)比較（x ± s）

2.3 PD組與HC組影像組學(xué)紋理特征參數(shù)ROC曲線分析

將18個(gè)具有統(tǒng)計(jì)學(xué)意義的特征參數(shù)進(jìn)行ROC曲線分析，AUC＞0.8的參數(shù)共13個(gè)，其中S（0，1）DifVarnc參數(shù)AUC面積最大，AUC為0.889（圖2、表3）。

圖2 PD組與HC組影像組學(xué)紋理特征參數(shù)ROC曲線

表3 PD組與HC組影像組學(xué)紋理特征參數(shù)ROC曲線分析

3 討論

PD發(fā)病主要以SNc多巴胺能神經(jīng)元變性、丟失和突觸核蛋白在路易小體（Lewy）體內(nèi)積蓄為特征，有研究表明黑質(zhì)的NM-MRI成像可以用于PD患者神經(jīng)變性的定位[6-9]。本研究基于NM-MR提取整體中腦SNc紋理特征參數(shù)進(jìn)行研究，最終納入的參數(shù)主要來(lái)自于灰度游程矩陣以及灰度共生矩陣，這與Liu等[10]得出的結(jié)論相似。

灰度游程矩陣描述了在多個(gè)方向上具有相同灰度連續(xù)分布的空間信息，RLNonU代表灰度的不均勻性，Horzl、Vert、45dgr、135dr分別代表水平、垂直、傾斜45°、傾斜135°計(jì)算方向，HC組的灰度游程矩陣參數(shù)值大于PD組，說(shuō)明在HC組SNc區(qū)域不同方向相同灰度連續(xù)分布的范圍均較PD組大，提示HC組神經(jīng)黑色素在空間分布上大于PD組?；叶裙采仃噮?shù)中熵在本研究模型中貢獻(xiàn)較大，熵值是一個(gè)隨機(jī)性度量，代表圖像的復(fù)雜程度，熵值越大說(shuō)明圖像灰度分布情況越復(fù)雜，HC組的熵值大于PD組，提示了HC組處SNc更復(fù)雜?；贜M-MRI成像原理推測(cè)HC組神經(jīng)黑色素所螯合的鐵等金屬較多造成了圖像灰度更不均勻、更復(fù)雜。與PD神經(jīng)黑色素丟失學(xué)說(shuō)相符合。

本研究所取得的紋理特征參數(shù)中S（0，1）DifVarnc的AUC最大為0.889，優(yōu)于彭媛媛等[11-12]文獻(xiàn)所提取的參數(shù)，將來(lái)可能作為診斷PD的標(biāo)志物。B11處理器分析中Fisher結(jié)合NDA分類(lèi)方法錯(cuò)判率最低為5.83%，這與顧惠芳等[13-14]建立的模型結(jié)果相近，說(shuō)明基于NM-MRI的影像組學(xué)在PD的診斷中具有重要的參考意義。Sun等[15]利用影像組學(xué)模型進(jìn)行PD亞型的分析并取得了良好的效能，但本研究所提取的紋理分析特征在區(qū)分PD兩種亞型（震顫為主型、步態(tài)不穩(wěn)-步態(tài)障礙為主型）中無(wú)統(tǒng)計(jì)學(xué)意義，需要進(jìn)一步研究。

本研究的局限性：①只分析了整體SNc區(qū)域的影像像組學(xué)紋理特征參數(shù)，在后續(xù)的研究中將對(duì)左右兩側(cè)SNc進(jìn)行紋理分析，探究其紋理特征參數(shù)是否與發(fā)病方式以及是否與PD患者運(yùn)動(dòng)癥狀不對(duì)稱性相關(guān)；②僅基于NM-MRI圖像進(jìn)行影像組學(xué)紋理分析，沒(méi)有對(duì)其他MRI圖像進(jìn)行多模態(tài)分析，下一步將探究其它序列上SNc紋理參數(shù)特征；③樣本量較少，在后續(xù)研究中將進(jìn)一步擴(kuò)大樣本量并進(jìn)行多中心研究。

綜上所述，基于NM-MRI成像的影像組學(xué)在PD的診斷中具有重要意義，紋理特征參數(shù)可以作為區(qū)分PD與HC的影像學(xué)指標(biāo)。