顧惠芳，孟憲平*，王旭，段紹峰

1.南通大學(xué)附屬江陰醫(yī)院放射科，江蘇 江陰 214400；2.GE醫(yī)療（中國(guó)），上海 210000；*通信作者 孟憲平 menxp@sina.com

帕金森?。≒arkinson's disease，PD）是一種復(fù)雜的神經(jīng)退行性病變[1]，老年人較為常見(jiàn)，60歲以上人群的患病率約為1%[2]。PD患者大腦中尤其是在黑質(zhì)區(qū)域[3]存在鐵過(guò)載現(xiàn)象，會(huì)誘導(dǎo)氧化反應(yīng)，促進(jìn)多巴胺能神經(jīng)元凋亡。定量磁敏感圖（quantitative susceptibility mapping，QSM）由磁敏感加權(quán)成像序列發(fā)展而來(lái)，可以定量測(cè)量組織的相對(duì)磁化率從而反映組織的鐵含量，并且圖像空間分辨率很高。QSM較R2*在區(qū)分PD和對(duì)照組的敏感度和特異度更高[4]，還可以定量評(píng)價(jià)早、晚期PD局部腦組織鐵代謝變化環(huán)境[5]。紋理特征分析是基于計(jì)算機(jī)方法對(duì)醫(yī)學(xué)圖像數(shù)據(jù)進(jìn)行一系列的定量分析，較傳統(tǒng)定性分析（人工視覺(jué)分析）能提供更多有價(jià)值的信息[6]。目前QSM對(duì)PD的紋理分析及影像組學(xué)研究已有報(bào)道[7-9]，但多局限于黑質(zhì)紋狀體系統(tǒng)紋理特征分析，聯(lián)合分析多個(gè)灰質(zhì)核團(tuán)和腦白質(zhì)的多種紋理特征報(bào)道較為少見(jiàn)。本研究擬提取QSM序列上雙側(cè)半卵圓區(qū)白質(zhì)、尾狀核、殼核、蒼白球、黑質(zhì)、紅核、小腦齒狀核的紋理特征進(jìn)行定量數(shù)據(jù)分析，以尋找更多影像學(xué)標(biāo)志物，為PD的診斷和病情評(píng)估提供幫助。

1 資料與方法

1.1 研究對(duì)象 前瞻性收集2019年7月—2020年11月南通大學(xué)附屬江陰醫(yī)院30例PD患者作為PD組，男16例，女14例，年齡43～81歲，平均（69.13±8.75）歲，病程（3.97±3.48）年。招募健康志愿者22例作為健康對(duì)照組，男10例，女12例，年齡45～80歲，平均（66.91±8.69）歲。PD組納入標(biāo)準(zhǔn)：①符合《中國(guó)帕金森病的診斷標(biāo)準(zhǔn)（2016版）》[10]；②右利手。排除標(biāo)準(zhǔn)：①繼發(fā)性帕金森綜合征和帕金森疊加綜合征；②嚴(yán)重精神疾病、酒精依賴史或藥物過(guò)度使用史；③顱內(nèi)出血、明顯腦實(shí)質(zhì)病變及顱腦手術(shù)史；④無(wú)法堅(jiān)持完成MRI檢查。健康對(duì)照組排除標(biāo)準(zhǔn)與PD組相同。本研究經(jīng)南通大學(xué)附屬江陰醫(yī)院醫(yī)學(xué)倫理委員會(huì)批準(zhǔn)（2019-倫審研-016號(hào)），所有患者或其家屬均簽署知情同意書(shū)。

采集受試者的性別、年齡、病程及伴隨疾病。PD患者行MRI檢查前1周內(nèi)停止服用PD治療藥物12 h的情況下，由1名PD專病門(mén)診的主任醫(yī)師進(jìn)行統(tǒng)一帕金森病評(píng)定量表（unified parkinson's disease rating scale，UPDRS）、簡(jiǎn)易精神狀態(tài)評(píng)價(jià)量表（mini-mental state examination，MMSE）、Hoehn-Yahr（H-Y）分級(jí)評(píng)定。PD的病程定義為臨床癥狀發(fā)作至本次行頭顱MRI檢查的時(shí)間。

1.2 掃描方法 采用GE Discovery 750W 3.0T MRI儀，24通道標(biāo)準(zhǔn)頭部線圈進(jìn)行軸位數(shù)據(jù)采集。受試者取仰臥位，戴耳塞，保持清醒，使用海綿墊固定頭部。采用三維多回波梯度回波序列進(jìn)行ESWAN掃描，參數(shù)：TR/TE 41.8 ms/3.3 ms，矩陣256×256，翻轉(zhuǎn)角20°，層厚/間隔：1.0 mm/0.0 mm，帶寬62.50，回波數(shù)16，視野256 mm×256 mm，掃描時(shí)間8 min 2 s。

1.3 數(shù)據(jù)后處理與感興趣區(qū)（ROI）勾畫(huà) 將ESWAN序列原始圖像以DICOM格式導(dǎo)出，使用Matlab軟件（https：//ww2.mathworks.cn/）重建出QSM圖像。利用ITK-SNAP軟件（https：//sourceforge.net/projects/itk-snap/）勾畫(huà)QSM圖像上的ROI（圖1）。由2名有10年以上工作經(jīng)驗(yàn)的醫(yī)師對(duì)ROI進(jìn)行勾畫(huà)，如有分歧協(xié)商達(dá)成一致。勾畫(huà)標(biāo)準(zhǔn)：雙側(cè)半卵圓中心白質(zhì)為從胼胝體上部層面開(kāi)始，取雙側(cè)對(duì)稱的腦白質(zhì)中央?yún)^(qū)，連續(xù)勾畫(huà)3層。勾畫(huà)ROI時(shí)，排除灰質(zhì)核團(tuán)最下面、最上面及邊界部分，以減小容積效應(yīng)的影響。

圖1 QSM圖像上ROI的放置。A：尾狀核頭；B：殼核；C：蒼白球；D：黑質(zhì)；E：紅核；F：齒狀核；G：小腦齒狀核

1.4 紋理特征的提取 采用GE A.K軟件，批量導(dǎo)入QSM圖像及對(duì)應(yīng)的ROI圖像，選擇A.K軟件中所包含的7個(gè)特征類型及3個(gè)特征轉(zhuǎn)換類型。

1.5 特征篩選與建立模型 特征數(shù)據(jù)預(yù)處理包括缺失值和異常值的處理、尺度的中心化和歸一化。特征篩選：①采用非參數(shù)Mann-WhitneyU檢驗(yàn)篩選PD組與對(duì)照組差異有統(tǒng)計(jì)學(xué)意義（P<0.05）的特征；②采用單因素Logistic回歸進(jìn)一步篩選出對(duì)臨床結(jié)局有顯著影響（P<0.05）的特征，以臨床結(jié)局是否為PD患者作為因變量；③采用最大相關(guān)最小冗余（maximum relevance minimum redundancy，mRMR）進(jìn)行特征選擇，篩選出聯(lián)合診斷效能最高的子集；④模型建立：用隨機(jī)森林（random forest，RF）分類器構(gòu)建預(yù)測(cè)模型；⑤交叉驗(yàn)證：用5折交叉驗(yàn)證法對(duì)模型的泛化能力進(jìn)行評(píng)估。

1.6 統(tǒng)計(jì)學(xué)方法 使用SPSS 19.0軟件。符合正態(tài)分布的計(jì)量資料用±s表示，采用t檢驗(yàn)比較；非正態(tài)分布的計(jì)量資料以M（Q1，Q3）表示。計(jì)數(shù)資料以例數(shù)表示，采用χ2檢驗(yàn)比較。使用受試者工作特征（ROC）曲線分析各特征及模型的診斷效能，Pearson相關(guān)分析紋理特征與MMSE、UPDRS、病程的相關(guān)性，Spearman相關(guān)分析紋理特征與H-Y分級(jí)的相關(guān)性。P<0.05為差異有統(tǒng)計(jì)學(xué)意義。

2 結(jié)果

2.1 一般資料 PD組與健康對(duì)照組的年齡、性別差異無(wú)統(tǒng)計(jì)學(xué)意義（表1）。

表1 PD組與健康對(duì)照組人口統(tǒng)計(jì)學(xué)和臨床資料比較

2.2 QSM的紋理分析結(jié)果 PD組與健康對(duì)照組差異存在統(tǒng)計(jì)學(xué)意義的紋理特征參數(shù)共14 512個(gè)，其分布情況見(jiàn)圖2。

圖2 PD組與健康對(duì)照組紋理特征P值分布。圖中每個(gè)點(diǎn)代表一種紋理特征，橫坐標(biāo)14個(gè)不同顏色區(qū)域代表14個(gè)ROI，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。ROI 1：右側(cè)尾狀核頭；ROI 2：左側(cè)尾狀核頭；ROI 3：右側(cè)殼核；ROI 4：左側(cè)殼核；ROI 5：右側(cè)蒼白球；ROI 6：左側(cè)蒼白球；ROI 7：右側(cè)黑質(zhì)；ROI 8：左側(cè)黑質(zhì)；ROI 9：右側(cè)紅核；ROI 10：左側(cè)紅核；ROI 11：右側(cè)半卵圓區(qū)；ROI 12：左側(cè)半卵圓區(qū)；ROI 13：右側(cè)齒狀核；ROI 14：左側(cè)齒狀核，下文簡(jiǎn)稱為r1～r14

單因素Logistic回歸分析進(jìn)一步篩選得到1 076個(gè)對(duì)臨床結(jié)局（是否為PD患者）有顯著影響的特征。屬于雙側(cè)黑質(zhì)的特征較多，占總特征量的21.9%，小波變換后的特征占總特征量的69.8%（表2）。

表2 單因素Logistic回歸篩選出的特征分布情況

用mRMR方法降維得到一組最佳紋理參數(shù)，即聯(lián)合診斷效能最高的5個(gè)特征（表3），各特征在RF模型中的重要性排序見(jiàn)圖3。特征1的AUC最高，為0.823；特征2的特異度最高，為0.909；特征4的敏感度最高，為1.000；特征1和特征4的準(zhǔn)確度最高，為0.784。繪制ROC曲線分析RF模型的診斷效能，其AUC為0.910（0.830～0.990）。用交叉驗(yàn)證的方法驗(yàn)證該模型的準(zhǔn)確度為0.888。

表3 降維所得紋理特征獨(dú)立預(yù)測(cè)PD的診斷效能

圖3 RF模型輸出的特征重要性排序

2.3 紋理參數(shù)臨床評(píng)分的相關(guān)性 特征1與MMSE評(píng)分呈負(fù)相關(guān)（r=-0.470，P=0.011）（圖4），其余特征與各臨床量表及病程均無(wú)相關(guān)性（P>0.05）。

圖4 特征1與MMSE的相關(guān)性

3 討論

腦鐵是實(shí)現(xiàn)多項(xiàng)神經(jīng)生理功能的一個(gè)基本要素，在多種生物過(guò)程（如催化氧化還原反應(yīng)和運(yùn)輸氧氣）中發(fā)揮重要作用。此外，鐵對(duì)多項(xiàng)酶和修復(fù)基團(tuán)的功能至關(guān)重要[11]。一旦腦內(nèi)鐵穩(wěn)態(tài)被破壞，過(guò)量的鐵會(huì)產(chǎn)生活性氧和氧化應(yīng)激反應(yīng)，從而導(dǎo)致疾病[12]。QSM能夠定量測(cè)量組織的磁化率、描述含鐵組織的形態(tài)與大小。由于腦鐵含量變化與PD發(fā)病密切相關(guān)[13-14]，可以用QSM來(lái)研究PD患者腦內(nèi)鐵穩(wěn)態(tài)的變化[15]。多數(shù)研究以黑質(zhì)燕尾征消失作為診斷PD的重要征象[16]，但部分研究認(rèn)為此征象診斷PD的特異度不高[17]。PD的病理學(xué)涉及黑質(zhì)紋狀體等結(jié)構(gòu)空間異質(zhì)性變化，故不局限平均值或視覺(jué)分析的紋理分析方法可能更有助于PD患者的研究。

3.1 PD患者QSM圖紋理特征變化的腦區(qū) 本研究使用Mann-WhitneyU檢驗(yàn)對(duì)紋理特征進(jìn)行篩選后，發(fā)現(xiàn)每個(gè)ROI中均存在有顯著差異的紋理特征，其中以右側(cè)尾狀核、雙側(cè)黑質(zhì)、左側(cè)半卵圓中心及右側(cè)齒狀核區(qū)域?yàn)橹?，表明PD的病理變化并不僅局限于黑質(zhì)紋狀體區(qū)域，可累及多個(gè)腦區(qū)，但對(duì)每個(gè)腦區(qū)的影響程度并不相同。在經(jīng)過(guò)單因素Logistic回歸篩選后的特征集合中，雙側(cè)黑質(zhì)區(qū)的特征量占總特征量的21.9%，表明PD在黑質(zhì)區(qū)域磁化率的改變較為顯著，與PD的特征性病理改變[18]相符。

3.2 紋理分析方法的比較 在經(jīng)過(guò)Mann-WhitneyU檢驗(yàn)、單因素Logistic回歸篩選后的紋理特征中，經(jīng)小波變換后的特征占總特征量的69.8%，其次是經(jīng)高斯拉普拉斯變換后的特征，占總特征量的9.5%，說(shuō)明對(duì)于兩種紋理分析方法尤其是小波變換較其他紋理分析方法效果更好，對(duì)組織結(jié)構(gòu)的變化更敏感。筆者認(rèn)為小波變換能夠更好地呈現(xiàn)組織結(jié)構(gòu)的微小變化。

3.3 RF分類器的診斷效能 通過(guò)mRMR篩選出的5個(gè)特征中，特征1（r4_wavelet_LLL_firstorder_Energy）的AUC最高（0.823）。此特征代表左側(cè)殼核的原始圖像經(jīng)小波分解（分解方式為L(zhǎng)LL）后獲取的firstorder的特征Energy。紋理的能量值越大，表明其規(guī)則變化越穩(wěn)定。本研究中，患者的Energy值小于健康對(duì)照組，說(shuō)明左側(cè)殼核的紋理變得較為不規(guī)則。QSM反映局部組織的磁化率，能間接反映組織中鐵的含量[19]，在一定程度上說(shuō)明左側(cè)殼核的鐵沉積分布變得復(fù)雜。特征2（r1_wavelet_LLL_gldm_LargeDependence HighGray LevelEmphasis）的特異度最高（0.909），LDHGLE越高，表示更多高灰度值的體素集中在一起[20]。本研究中，健康對(duì)照組右側(cè)尾狀核頭的LDHGLE值高于PD組，說(shuō)明PD組在右側(cè)尾狀核區(qū)域高信號(hào)的物質(zhì)更多。特征4（r12_log_sigma_3_0_mm_3D_ ngtdm_Busyness）的敏感度最高。此特征代表左側(cè)半卵圓中心原始圖像經(jīng)3_0_mm水平的拉普拉斯高斯空間濾波器處理后獲取的三維鄰域灰度差矩陣（ngtdm）特征Busyness。Busyness值越大，說(shuō)明圖像局部強(qiáng)度變化越大；PD組在左側(cè)半卵圓中心的Busyness值較正常組低，說(shuō)明PD患者在該區(qū)域內(nèi)的局部信息變化較小，這可能是由于腦白質(zhì)中軸突的退化和髓鞘的損傷[21]，使局部圖像強(qiáng)度變化更小。同時(shí)，特征1和特征4的敏感度最高，均能敏感地診斷出PD患者。

部分學(xué)者基于磁敏感序列對(duì)PD患者進(jìn)行紋理分析與影像組學(xué)研究。Li等[22]基于QSM對(duì)PD患者黑質(zhì)進(jìn)行紋理分析，發(fā)現(xiàn)Entropy、SumEntrp的診斷效能均達(dá)到0.89。郭曉麗[23]在ESWAN序列上提取黑質(zhì)的紋理特征參數(shù)，構(gòu)建線性支持向量機(jī)的診斷模型，對(duì)PD進(jìn)行影像組學(xué)研究，訓(xùn)練集的AUC達(dá)到0.891，測(cè)試集的AUC為0.888，診斷效能明顯高于黑質(zhì)燕尾征消失的診斷效能，但其僅提取了黑質(zhì)最大層面作為ROI進(jìn)行分析。上述研究均局限于PD黑質(zhì)部的紋理分析或影像組學(xué)，而本研究聯(lián)合分析雙側(cè)尾狀核頭、殼核、蒼白球、紅核、黑質(zhì)及半卵圓中心白質(zhì)多個(gè)腦區(qū)，并應(yīng)用多種紋理分析方法，分析更加全面。本研究利用ROC曲線對(duì)降維所得的5個(gè)特征分別進(jìn)行分析，得出其對(duì)PD的獨(dú)立診斷效能為0.697～0.823。隨后構(gòu)建的RF分類器，AUC達(dá)到0.910，交叉驗(yàn)證的準(zhǔn)確度為0.888，說(shuō)明基于RF模型對(duì)PD的診斷效能較好，且模型可靠。

3.4 PD患者紋理特征與臨床評(píng)分的相關(guān)性 殼核和蒼白球的激活與工作記憶能力相關(guān)[24]。Poston等[25]研究發(fā)現(xiàn)，認(rèn)知未受損的PD患者在工作記憶期間存在負(fù)荷依賴性殼核過(guò)度激活，并推斷失去這種代償性激活會(huì)導(dǎo)致患者認(rèn)知功能下降。殼核不僅與PD的運(yùn)動(dòng)功能有關(guān)，與PD的認(rèn)知功能也有密切關(guān)系。而殼核的病理生理變化會(huì)導(dǎo)致其紋理改變。本研究通過(guò)相關(guān)性分析，得到特征1（r4_wavelet_ LLL_firstorder_Energy）與MMSE呈負(fù)相關(guān)，亦說(shuō)明殼核的變化與患者的認(rèn)知能力有關(guān)。

3.5 本研究的局限性 ①樣本量較小，今后若進(jìn)行多中心研究，納入大量的PD患者，會(huì)使結(jié)果更加客觀、可靠；②采用手動(dòng)勾畫(huà)ROI，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；③雖然本研究的臨床量表均于停藥12 h后進(jìn)行評(píng)價(jià)，但仍不能排除臨床量表評(píng)分受藥物治療影響的可能性。以上問(wèn)題也是今后的研究中需克服和努力的方向。

總之，基于QSM的紋理分析對(duì)PD的診斷有較高的價(jià)值，且左側(cè)殼核的紋理特征r4_wavelet_LLL_firstorder_Energy與患者的認(rèn)知能力有一定的相關(guān)性，有望成為評(píng)價(jià)PD認(rèn)知能力的一個(gè)影像標(biāo)志物。