常規MRI圖像紋理分析對顳葉癲癇海馬硬化的診斷價值

馬向宏，袁冠前，徐志華，楊本強*

癲癇是多種病因導致的以反復發作的神經元異常放電所致的短暫性中樞神經系統功能失常為特征的慢性神經系統疾病[1]。顳葉癲癇(temporal lobe epilepsy，TLE)根據異常放電位置的起源分為內側型、外側型、混合型。顳葉內側結構(海馬、杏仁核、內嗅覺皮層等)異常?？蓪е聝葌蕊D葉癲癇的發生，其中海馬硬化(hippocampal sclerosis，HS)可能是導致癲癇最主要的原因之一[2]。手術切除致癇灶是藥物難治性癲癇行之有效的治療方法，部分前顳葉、海馬和海馬旁回切除術可使70%以上的難治性顳葉癲癇發作得到有效控制[3]，因此術前病灶的準確定位已成為手術成功的關鍵因素。長期以來，關于原發性TLE海馬硬化的早期診斷與準確定位一直是困擾臨床醫生的一大難題，以往的診斷方法主要有患者的臨床表現、頭皮腦電圖(electroencephalography，EEG)、視頻腦電圖(video electroencephalography，VEEG)監測，其中常規腦電圖及VEEG監測在TLE的定性診斷中有較高的價值[4]，但由于部分單側TLE會發生雙側互不相關的間歇期癇性放電，甚至是出現對側放電占優勢，因此對癲癇灶定位、定側存在較大缺陷，且頭皮腦電圖不論發作期或發作間期描記[5]，均不能確定是否存在HS。一些新技術如磁共振波譜(magnetic resonance spectroscopy，MRS)、腦磁圖、多模態磁共振成像等技術的出現可以幫助進行癲癇的準確定位定性和深入研究[6-7]，但是這些序列的掃描時間長，患者所需費用高。紋理分析通過計算機后處理對醫學圖像的灰度分布、體素空間關系等灰階信息進行分析，從而得到肉眼無法識別的圖像信息，并能定量顯示圖像的像素值及其排列方式的細微變化[8]，提取圖像中組織細微病變特征[9]，被稱為圖像的顯微鏡或放大鏡，以其獨有的優勢成為了醫學圖像后處理的重要手段之一。目前已有文獻報道醫學圖像紋理分析可用于海馬硬化的診斷[10-12]。因此，本研究擬探討常規MRI圖像紋理分析對顳葉癲癇海馬硬化的診斷價值。

1 材料與方法

1.1 一般資料

搜集我院2014年5月至2016年2月經手術病理證實的22例單側早期顳葉癲癇海馬硬化患者。男12例、女10例；年齡16～43歲，平均(29±8)歲。納入標準如下：(1)通過手術活檢病理證實為海馬硬化；(2)術前在我院進行包括垂直于海馬的斜冠狀位T2 FLAIR序列在內的常規MRI檢查；(3)確保無影響圖像紋理分析的偽影。

1.2 MRI檢查方法

所有患者均行常規MRI掃描(德國西門子Magnetom Verio 3.0 T MRI)。掃描序列包含軸位(T1 FLAIR、T2WI、T2 FLAIR)，矢狀位(T2WI)及垂直于海馬的斜冠狀位T2 FLAIR。斜冠狀位T2 FLAIR掃描參數如下：重復時間=8800 ms，恢復時間=96 ms，層厚=3 mm，層間距=0 mm；矩陣512×512。

1.3 圖像紋理分析

1.3.1 圖像選擇

5種序列中，垂直于海馬的斜冠狀位是觀察海馬的最佳序列，因此筆者選用垂直于海馬的斜冠狀位T2 FLAIR作為特征提取的序列。以相同的格式將22例患者的MRI圖像從PACS工作站導出。感興趣區(region of interests，ROI)勾畫時軟件自動以數值的形式顯示出ROI的大小，很好地保證了ROI大小的一致性，海馬頭部截面積最大，可勾畫的ROI面積也最大，既保證了勾畫位置的一致性，又能夠相應地提取出更多的紋理特征，因此由具有神經影像診斷經驗的醫師選出海馬頭部斜冠狀位T2 FLAIR序列的圖像進行分析。

1.3.2 紋理分析

應用Mazda軟件(The Technical University of Lodz, Institute of Electronics, http: //www.eletel.p.lodz.pl/mazda/)分析所選擇圖像，通過手動勾畫ROI計算出該圖像的紋理特征參數。紋理特征的計算、評估過程如下：由于斜冠狀位T2 FLAIR序列顯示海馬較清晰，因此，由1名醫師在此序列海馬頭處手動勾畫ROI，使ROI的大小(12×12)保持一致，同時對ROI內圖像進行紋理分析(圖1)。

圖1 ROI勾畫及紋理分析示意圖Fig.1 Diagram of ROI outline and texture analysis

利用Mazda軟件對紋理特征進行計算。由于所提取的紋理特征較多，需要先選出最具代表海馬硬化的紋理特征，紋理特征參數包括以下：(1)灰度共生矩陣(gray-level co-occurrence matrix，GLCM)：角矩、二階矩、對比度、自相關、方差和、逆差矩、平方和、方差和、熵和、熵、逆差矩、熵差；(2)絕對梯度(absolute gradient，GRA)：梯度均數、方差、偏度、峰度、非零位；(3)游程檢驗(run-length matrix，RUN)：游程長不均勻性、灰階不均勻性、長游程權重、短游程權重、游程中的圖像分數。Mazda可提供3種能夠自動選擇出10個最有意義診斷海馬硬化特征的方法，包括Fisher系數(fisher coefficient，Fisher)、交互信息(mutual information，MI)、分類錯誤概率組合平均相關系數(classification error probability combined average correlation coefficients，POE+ACC)，以及3種方法聯合，簡稱為FPM。同時，由2名影像醫師在未知病理結果的情況下共同分析22例患者的MRI圖像，得出診斷結果，診斷過程中出現不同意見時，通過協商取得一致意見。以病理結果作參考標準，得出影像醫師診斷的誤判率，并與通過紋理分析所得的結果進行對比分析。

1.4 統計學分析

應用B11統計軟件(Mazda軟件包中自帶)根據所選擇的紋理特征，對硬化的海馬及正常海馬進行分類。主要包括以下4種統計方法：線性判別分析(linear discriminant analysis，LDA)、非線性判別分析(nonlinear discriminant analysis，NDA)、原始數據分析(raw data analysis，RDA)、主要成分分析(principal component analysis，PCA)。斜冠狀位T2 FLAIR序列圖像區分硬化海馬及正常海馬的結果以錯判率的形式表述，誤判率即為將硬化海馬誤診為正常海馬或將正常海馬誤診為硬化海馬的數量占研究中海馬總數的百分比。誤判率越小，說明該序列及對應的ROI中蘊含的用于診斷海馬硬化的紋理特征越多，對病變的診斷價值越高。將Mazda軟件所得誤判率與影像醫師診斷的誤判率進行卡方檢驗，P＜0.05為差異具有統計學意義。

2 結果

Mazda軟件區分正常海馬與硬化海馬時，FPM參數選擇方法聯合NDA分類方法得到的錯判率最小，為4.55% (2/44)，其中將兩個硬化海馬誤判為正常海馬。見表1。

3種參數選擇方法中，對錯判率進行比較，與Fisher、POE+ACC、MI 3種參數選擇方法單獨應用相比，FPM選擇的紋理特征診斷病變的錯判率最低，其對應的4種分類方法所得的錯判率分別為36.36% (16/44)、36.36% (16/44)、11.36% (5/44)、4.55% (2/44)。

4種分類方法中，對錯判率進行比較，NDA方法區分正常海馬與硬化海馬的錯判率最低，如Fisher、POE+ACC、MI選擇方法及3種方法聯合選擇T2WI提取的紋理特征區分正常海馬與硬化海馬的錯判率分別為22.73% (10/44)、9.09% (4/44)、11.36% (5/44)、4.55% (2/44)。

影像醫師診斷的錯判率為25.0% (11/44)，其中將8個硬化海馬誤診為正常，將3個正常海馬誤診為海馬硬化。與紋理分析的錯判結果比較，影像醫師診斷海馬硬化的誤判率較高，差異有統計學意義(P=0.014)。

表1 紋理分析診斷海馬硬化的錯判率(%)Tab.1 Misclassification rate of the texture analysis in diagnosing hippocampal sclerosis (%)

3 討論

圖像紋理分析描述了像素間關系、圖像灰階分布特征、空間特征，在保證準確率的同時，提供了很多肉眼無法識別的物體表面特征信息。本研究顯示利用紋理分析可準確對海馬硬化進行診斷，其中FPM參數選擇方法聯合NDA分類方法得到的錯判率最小，低至4.55% (2/44)。目前紋理分析應用范圍廣泛，電子計算機斷層掃描(computed tomography，CT)、MR及正電子發射型計算機斷層顯像(positron emission computed tomography，PET)等影像圖像均可進行圖形分析，其中CT和MR圖像分析最為常用，在對其他種類(尤其是一些常規CT及MR不能鑒別)疾病的鑒別診斷中，紋理分析優勢十分明顯[13-14]。

近年來，隨著對病變診斷定量研究的增多，很多學者嘗試通過紋理分析對疾病進行定量分析，期望通過此方法得到更加可靠的診斷結果。通過在游程矩陣、絕對梯度、共生矩陣等多方面提取不同的紋理特征參數，從而對紋理特征進行定量或定性描述，這一圖像后處理過程稱為圖像的紋理分析。醫學圖像紋理特征的定量變化可反映機體相應的病理變化，因此，在機體發生病理變化后，可通過紋理特征的改變對正常及病變組織、不同病變組織類型進行鑒別、區分[15-16]，為疾病早期、正確地診斷和及時地治療提供新途徑。海馬硬化的病理特征主要包括膠質細胞增生、神經元丟失，如果病變處于早期，尚未發生顳葉萎縮及MRI信號改變，或顳葉萎縮輕微、MRI信號改變不明顯時，影像醫師則難以通過MRI圖像對海馬硬化進行準確的診斷，而紋理分析則可以根據早期的病理改變對病變做出判斷，為海馬硬化的早期診斷提供了極大的幫助。

本研究中利用常規MRI序列紋理分析診斷海馬硬化的錯判率最低為4.55%，影像醫師的誤判率為25%。張柳等[17]的研究結果與本研究一致，其通過常規MRI圖像定位海馬硬化的結果與術后病理對照診斷的準確率為65.12%。由此可見，紋理分析可為海馬硬化的診斷提供可靠的信息?，F階段，醫學影像診斷海馬硬化主要還是通過醫生肉眼觀察圖像，醫生經驗、疲勞等主觀因素會對病變診斷的正確性產生很大影響。然而，圖像紋理分析可避免由于醫師的資歷、經驗等不同而對診斷結果產生的影響，提供更加客觀的圖像信息。

本研究尚有其局限性：(1)紋理分析的方法目前只能作為一種輔助診斷的新方法應用，因此為了得到更好的診斷效果，還需與常規的磁共振診斷要點相結合應用。(2)本研究納入的病例數量有限，可能引起偏倚。

綜上所述，本研究顯示常規MRI圖像紋理分析可為顳葉癲癇海馬硬化的診斷提供可靠的信息及客觀依據，提高了診斷的準確性，并有助于海馬硬化的早期診斷。

[References]

[1] Stern JM. Overview of evaluation and treatment guidelines for epilepsy. Curr Treat Options Neurol, 2009, 11(4): 273-284.

[2] Yue W, Zhang YJ, Guan YL, et al. The imageology study of patients with the hippocampal sclerosis-associated medial temporal lobe epilepsy. Chin J Nervous Mental Dis, 2014, 10(40): 607-611.岳偉, 張雅靜, 管雅琳, 等. 內側顳葉癲癇患者海馬硬化的影像學研究. 中國神經精神疾病雜志, 2014, 10(40): 607-611.

[3] Guan Y, Lu J, Cao YX, et al. SPECT and MRI study in patients with temporal lobe epilepsy caused by hippocampal sclerosis. Chin J Contemp Neurol Neurosurg, 2015, 11(15): 12.關樂, 盧潔, 曹燕翔, 等. 海馬硬化致顳葉癲癇的SPECT與MRI研究. 中國現代神經疾病雜志, 2015, 11(15): 12.

[4] Yu L, Sun HB. Epileptic encephalopathy. Prac J Clin Med, 2004,2(1): 24-26.喻良, 孫紅斌. 癲癇性腦病. 實用醫院臨床雜志, 2004, 2(1): 24-26.

[5] Dzienis W, Tarasów E, Kochanowicz J, et al. Utility of computed tomography and selected MR sequences in the diagnostics of patients with partial epileptic attacks. Med Sci Monitor, 2007, 13(1): 49-54.

[6] Ai CH, Sun XJ. Research progresson the diagnose of temporal lobe epilepsy by MRI. Med Reca, 2009, 18(15): 2808-2811.艾叢慧, 孫學進. 磁共振診斷顳葉癲癇的研究進展. 醫學綜述,2009, 18(15): 2808-2811.

[7] He MY, Liu PF. The research of multimodal magnetic resonance imaging in the diagnosis of hippocampal sclerosis in temporal lobe epilepsy. J Med Research, 2015, 44(2): 16-20.何明遠, 劉鵬飛. 多模態磁共振成像對顳葉癲癇海馬硬化診斷的研究. 醫學研究雜志, 2015, 44(2): 16-20.

[8] Castellano G, Bonilha L, Li L M, et al. Texture analysis of medical images. Clin Radio, 2004, 59(12): 1061-1069.

[9] Zhang Y, Zhu H, Ferrari R, et al. Texture analysis of MR images of minocycline treated MS patients. Lecture Notes in Computer Sci,2003, 2878(8): 786-793.

[10] Bonilha L, Kobayashi E, Castellano G, et al. Texture analysis of hippocampal sclerosis. Epilepsia, 2003, 44(12): 1546-1550.

[11] Yu O, Mauss Y, Namer IJ, et al. Existence of contralateral abnormalities revealed by texture analysis in unilateral intractable hippocampal epilepsy. Magn Reson Imaging, 2001, 19(10):1305-1310.

[12] Morita ME, Cendes F. Quantitative MRI techniques in MTLE:Toward a better understanding of hippocampal sclerosis. Epilepsia,2010, 51(S1): 76-79.

[13] Zacharaki EI, Wang S, Chawla S, et al. Classification of brain tumor type and grade using MRI texture and shape in a machine learning scheme. Magn Reson Med, 2009, 62(6): 1609-1618.

[14] Orphanidou VE, Vlachos N, Davies NP, et al. Texture analysis of T1 and T2-weighted MR images and use of probabilistic neural network to discriminate posterior fossa tumours in children. NMR in Biomedicine, 2014, 27(6): 632-639.

[15] Mayerhoefer ME, Schima W, Trattnig S, et al. Texture-based classification of focal liver lesions on MRI at 3.0 Tesla: a feasibility study in cysts and hemangiomas. J Magn Reson Imaging, 2010,32(2): 352-359.

[16] Mayerhoefer ME, Breitenseher M, Amann G, et al. Are signalintensity and homogeneity useful parameters for distinguishing between benign and malignant soft tissue masses on MR images?Objective evaluation by means of texture analysis. Magn Reson Imaging, 2008, 26(9): 1316-1322.

[17] Zhang L, Feng YJ, Chen XR, et al. The value of MRI and18F-FDG PET/CT indiagnosis of hippocampal sclerosis. J Jinan Univer(Medicine Edition), 2013, 34(2): 216-220.張柳, 馮永健, 陳祥榮, 等. MRI與18F-FDG PET/CT對海馬硬化的診斷價值. 暨南大學學報(自然科學與醫學版), 2013, 34(2):216-220.