基于MR圖像的輕度認知功能障礙患者胼胝體三維紋理分析研究

翃

首都醫科大學 生物醫學工程學院，北京 100069

基于MR圖像的輕度認知功能障礙患者胼胝體三維紋理分析研究

劉衛芳，王旭，夏翃，周震，童隆正

首都醫科大學 生物醫學工程學院，北京 100069

目的研究輕度認知功能障礙（Mild Cognitive Impairment，MCI ）患者胼胝體MR圖像的三維紋理特征，以期盡早發現和篩選出阿爾茨海默病（Alzheimer’s Disease，AD）的高危人群，為AD的治療提供最佳的時間。方法選取18例MCI患者（MCI 組）及18 例健康對照組（NC 組）的MR圖像進行三維紋理分析，采用灰度共生矩陣和游程長矩陣提取每位受試者胼胝體的10個三維紋理特征，比較兩組樣本的各紋理特征間是否存在顯著性差異。結果提取的10個紋理參數中除灰度不均勻度因子，兩組間沒有顯著性差異（P＞0.05），其余9個參數兩組間均存在顯著性差異（P＜0.05）。結論三維紋理特征能反映出MCI患者胼胝體部位的病理病變，有助于AD的早期診斷和治療。

輕度認知功能障礙；MRI；三維紋理分析；胼胝體

阿爾茨海默病（Alzheimer’s Disease，AD）起病隱匿，病程緩慢，是不可逆的神經退行性疾病[1]，為老年癡呆癥中最常見的類型，約占全部癡呆類型的60%～80%。Brookmeyer等人的研究表明[2]，如果能早期診治AD，平均發病時間可推遲6年，患者數量可減少50%，這將大大減輕沉重的社會負擔。但AD早期診斷非常困難[3]，隨著時間的推移，AD的檢出率提高，然而治療效果顯著下降。

輕度認知障礙（Mild Cognitive Impairment，MCI）被認為是正常老化與AD之間的一種中間過渡狀態，特指有輕度記憶和認知損害，但尚未達到癡呆標準者。研究發現MCI患者每年大約有10%～15%轉化為AD，在第6年時大約有80%的MCI轉化為AD，而正常老年人年轉化率僅為1%～2%。MCI被認為可能是AD發病的早期信號，代表了癡呆的前驅階段[4]。因此，對MCI進行深入研究，有希望發現和篩選出AD的高危人群，為AD的治療提供最佳的時間，預防或推遲AD的發生。

以往對AD患者磁共振圖像的研究大多集中在大腦灰質的改變。隨著成像技術的發展和研究的深入，近年來對白質受損的研究越來越多[5]。胼胝體是腦內最大的聯合纖維，起著傳遞雙側大腦半球信息的重要作用[6]。Margherita等人[7]通過對MCI和AD患者的形態學研究顯示，與正常人相比胼胝體在MCI階段就已發生萎縮。

紋理分析是醫學圖像后處理的重要手段，能定量地顯示圖像像素值及其排列方式的細微變化[8]。像素稱為圖像的放大鏡和顯微鏡，目前常用來提取圖像中組織細微病變的特征[9]。而三維圖像可提供更全面的信息，三維紋理分析也已應于多種腦疾病的研究[10-12]。本研究探討 MCI 組和健康對照組（NC） 組胼胝體的三維紋理特征，研究兩組間的紋理參數是否具有顯著性差異，以期盡早發現和篩選出AD的高危人群，為AD的治療提供最佳的時間。

1 研究對象與方法

1.1 研究對象

本研究數據來自于首都醫科大學宣武醫院放射影像科，選取經臨床確診為MCI患者和健康對照者的MR圖像各18例。采用德國西門子公司3T掃描儀對所有受試者進行頭顱矢狀位3D磁化準備快速梯度回波（MP—RAGE）TIWI掃描。TR/TE=2000/2 ms，反轉時間Tl=900 ms，反轉角9°，成像視野240 mm × 220 mm、矩陣256×224、層厚l mm，無層間距，共176層。研究對象基本信息，見表1。

表1 研究對象基本信息

1.2 感興趣區提取

胼胝體為腦內最大的白質束，位于大腦縱裂底，在正中矢狀面上呈弓形。本研究選擇胼胝體作為感興趣區（Regions of Interest，ROI），所有ROI均是在臨床影像學專家的指導下，利用Mazda軟件手動分割完成的。

選取的每個胼胝體三維感興趣區包含9層，分別為正中矢狀面，及其左側右側各4層。正中矢狀面的確定方法為，通過中腦導水管全長和第四腦室入小腦延髓池全長的平面，胼胝體的ROI選取示意圖，見圖1。

圖1 胼胝體ROI選取示意圖

1.3 三維紋理分析

采用灰度共生矩陣和游程長矩陣方法對每一位受試者胼胝體ROI分別提取0°、45°、90°、135°和Z方向（垂直于每層ROI方向）的三維紋理參數。灰度共生矩陣提取的紋理參數有：能量、對比度、相關、熵和逆差距；游程長矩陣提取的紋理參數有：短游程因子、長游程因子、灰度不均勻度因子、游程長不均勻度因子和行程比，各參數定義，見表2。

表2 紋理參數定義

1.4 統計學分析

利用SPSS統計分析軟件，對所提取的MCI和NC組樣本的三維紋理參數進行統計學配對t檢驗，分析紋理特征在兩組間是否存在顯著性差異。

2 結果

經統計學分析，兩組樣本各三維紋理特征的平均值、方差及t檢驗結果，見表3。

表3 胼胝體三維紋理參數（?為有統計學意義）

從表3可以看出，除灰度不均勻度因子兩組間無顯著性差異（P＞0.05），其余9個紋理參數兩組間均存在顯著性差異（P＜0.05）；MCI組的能量、相關、逆差距和長游程因子＞NC組，對比度、熵、短游程因子、游程長不均勻度因子和行程比＜NC組。

3 討論

本文中MR 圖像由宣武醫院3T 磁共振掃描儀采集，腦組織分辨率較高，圖像質量較好，為紋理分析提供了可靠保障。

病理及神經影像學研究表明AD和MCI的胼胝體等白質在疾病早期存在病理改變[13]。胼胝體是腦內最大的聯合纖維，在正中矢狀位邊界清晰，紋理特征集中，其結構具有解剖異質性而被認為具有非常適合紋理分析的特點[14]。故本研究選擇胼胝體作為ROI，利用灰度共生矩陣和游程長矩陣提取紋理特征參數，經統計學分析研究兩組間紋理參數是否具有顯著性差異。

研究發現MCI患者和AD患者中胼胝體體積發生萎縮并且壓部的FA值顯著降低[15]，利用全腦分析方法發現MCI患者及輕度AD患者胼胝體白質密度低于健康對照組[16]。此外一系列利用DTI技術的研究報道，早期AD患者胼胝體的平均擴散率顯著增加，并指出這一現象可能反映髓鞘的瓦解和神經軸突的損傷，揭示軸突完整性的退化和皮層連接的喪失。這些變化會引起MR 圖像像素灰度的改變，從而紋理特征發生相應的變化。

MR圖像三維紋理特征逐漸成為近年來的研究熱點，研究者普遍認為三維紋理特征能提供更豐富的信息。Georgiadis等[10]對惡性淋巴瘤、神經膠質瘤和腦膜瘤MR圖像利用紋理特征進行模式識別的研究、El-Baz等[11]對孤獨癥患者的MR圖像紋理的研究及Mahmoud -Ghoneima等[12]對神經膠質瘤紋理的研究均證實，三維紋理提供了更全面的信息，可能更有助于臨床輔助診斷。本研究利用Mazda通用紋理分析軟件[17]提取了MCI患者和正常對照者胼胝體的三維紋理特征，結果顯示提取的10個紋理參數中9個都存在顯著性差異。

能量描述的是圖像灰度均勻分布的特性。對于粗紋理，能量值較大，細紋理的值較小。對比度描述圖像的清晰度，是對局部灰度變化的度量，反映鄰近像素的反差。粗紋理對比度值較小，細紋理值較大。熵表示了圖像中紋理的非均勻程度或復雜程度，粗紋理熵值較小，細紋理熵值較大。本研究中，MCI患者的能量大于NC組，對比度和熵小于NC組，說明MCI患者MR圖像紋理較粗，復雜程度增大。

游程長矩陣的基本思想是在某個方向上、相鄰的具有相同灰度或某個灰度范圍的像素個數，是對灰度關系的高階統計，是分析紋理特性的有效方法。在粗紋理區域的灰度游程長度較長，長游程數目較多，長游程因子值較大；而在細紋理區域，短游程長度的情況比較多，則短游程因子值較大。行程比是直接反映線性結構紋理的一個度量，如果具有長線性結構紋理，則具有長游程的灰度會增加，短游程長度也相對減少，對應行程比的值也較小[18]。從表3可以看出，MCI患者的長游程因子大于NC組，短游程因子小于NC組，兩者變化趨勢正好相反，短游程因子遞減，長游程因子遞增，完全與此描述一致；同時MCI患者的行程比小于NC組，說明MCI患者與正常對照者胼胝體的紋理存在差異，MCI患者可能更多的是具有長線性結構的紋理。如果圖像中各灰度的游程長度接近均勻分布，則灰度不均勻度因子取最小值，說明整個圖像的灰度分布并不均勻。如果圖像中某種灰度出現較多，即灰度都比較均勻，則該值越大。游程長不均勻度描述圖像中游程長度的相似性，如果整幅圖像的游程長度較相似則游程長不均勻度值較小[18-19]。MCI患者腦組織受損，MR圖像的游程分布及游程長度也會相應地發生變化。表3的結果也說明了這一點。

4 結論

本研究利用灰度共生矩陣和游程長矩陣對MCI患者及正常對照者的腦部MR圖像進行了三維紋理分析研究，結果顯示，MCI組和正常對照組胼胝體部位的紋理特征存在顯著性差異，可能有助于發現和篩選出AD的高危人群，為AD的治療提供最佳的時間。由于研究樣本有限，影響疾病的因素多種多樣，仍需要進一步擴充和完善樣本集，進行深入研究。

[1] van der Filer WM,Schetens P．Epidemiology and risk factors of dementia[J]．Jounal of Neurology Neurosurgery&Psychiatry, 2005,76(5):2-7．

[2] Brookmeyer R,Gray S,Kawas C,et al．Projection of Alzheimer's disease in the United States and the public health impact of delaying disease onset[J]．American Journal of Public Health,1998,88(9):1337-1342．

[3] Carrillo MC,Blackwell A,Hampel H,et al．Early risk assessment for Alzheimer's disease[J]．Alzheimer's & Dementia,2009,5(2):182-196．

[4] Petersen RC．Mild cognit ive impairment as a diagnostic entity[J]．J Intern Med,2004,256(3):183—194．

[5] DH Salat,DN Greved,JL Pacheco,et a1．Regional white matter volume differences in nondemented aging and Alzheimer's disease[J]．Neurolmage,2009,44(5):1247-1258．

[6]謝晟,武鴻坤,肖江喜,等．胼胝體壓部FA值在輕度Alzheimer病中的診斷價值[J]．實用放射學雜志,2006,22(9):1025-1027．

[7] Margherita Di Paola,Eileen Luders,Fulvia Di Iulio,et al．Callosal atrophy in mild cognitive impairment and Alzheimer's disease:different effects in different stages[J]．Neuro Image,2010,49(1):141-149．

[8] Castellano G,Bonilha L,Li LM,et al．Texture analysis of medical images[J]．Clinical Radiology,2004,59(12):1061-1069．

[9] Zhang Y,Zhu H,Ferrari R,et al．Texture analysis of MR images of minocycline treated MS patients[A]．Medical Image Computing and Computer-Assisted Intervention[C]．2003:786-793．

[10] J P Georgiadis,D Cavouras,I Kalatzis,et a1．Enhancing the discrimination accuracy between metastases,gliomas and meningiomas on brain MRI by volumetric textural feamres and ensemble pattem recognition methods[J]．Magnetic Resonance Imaging,2009,27(1):120—130．

[11] A El—Baz,MF Casanova,G Gimel'farb,et a1．Autism diagnostics by 3D texture analysis of cerebral white matter gyrificatiom[A]．International Conference on Medical Image Computing and Computer—Assisted Intervention[C]．2007:882—890．

[12] Mahmoud-Ghoneima D,Toussaintb G,Constans JM,et al．Three dimensional texture analysis in MRI: a preliminary evaluation in gliomas[J]．Magnetic Resonance Imaging,2003,21(9):983-987．

[13] Ying Han,Jinhui Wang,Zhilian Zhao,et al．Frequency-dependent changes in the amplitude of low-frequency fluctuations in amnestic mild cognitive impairment:a resting-state fMRI study[J]．NeuroImage,2011,55(1):287-295．

[14] MS de Oliveira,MLF Balthazar,AD Abreu,et al．MR imaging texture analysis of the corpus callosum and thalamus in amnestic mild cognitive impairment and mild Alzheimer Disease[J]．AJNR,2011,32(1):60-66．

[15] Wang PJ,Saykin AJ,Flashman LA．Regionally specific atrophy of the corpus callosum in AD,MCI and cognitive complaints[J]．Neurobiology of Aging,2006,27(11):1613-1617．

[16] Margherita Di Paola,Eileen Luders,Fulvia Di Iulio,et al．Callosal atrophy in mild cognitive impairment and Alzheimer's disease: different effects in different stages[J]．NeuroImage,2010,4(1): 141-149．

[17] Materka A．Mazda user's manual[EB/OL]．[2002-10-21]．http:// www．eletel．p．lodz．pl/programy/mazda/download/mazda_ manual．pdf．

[18] 許錄平．數字圖像處理[M]．1版．北京:科學出版社,2007．

[19] Dong-Hui Xu,Arati S．Kurani,et al．Run-length encoding for volumetric texture[A]．Proceedings of the 4th IASTED International Conference on Visualization,Imaging,and Image Processing[C]．Marbella．2004:6-8．

Study on 3D Texture Features of Corpus Callosum in Patients with Mild Cognitive Impairment Based on MR Images

LIU Wei-fang, WANG Xu, XIA Hong, ZHOU Zhen, TONG Long-zheng
College of Biomedical Engineering, Capital Medical University, Beijing 100069, China

Objective3D texture features of corpus callosum in patients with mild cognitive impairment (MCI) based on MR images were researched to early detect and screen patients with Alzheimer’s Disease (AD), and offer the optimal treatment time.Methods3D texture analysis was performed on 18 MCI patients and 18 normal controls (NC). The 3D texture features extracted from gray level cooccurrence matrix and run length matrix were analyzed. The significant differences between the two groups were tested.ResultsThe results showed that the texture features had significant differences (P＜0.05) between MCI and NC except grey level nonuniformity that the difference was not significant (P＞0.05) .ConclusionThe microcosmic pathological changes in corpus callosum in MCI patients could be reflected by 3D texture features and may be helpful to AD early diagnosis and treatment.

mild cognitive impairment; magnetic resonance imaging; 3D texture analysis; corpus callosum

R445.2；R318.04

A

10.3969/j.issn.1674-1633.2013.09.005

1674-1633(2013)09-0016-04

2013-04-07

國家自然科學基金資助項目（81071128）；北京市教育委員會科技發展計劃項目（SQKM201210025009）。

本文作者：劉衛芳，碩士，副教授。

童隆正，教授，博士生導師。

作者郵箱：liu3240@163．com