基于CT平掃圖像紋理分析預(yù)測(cè)高血壓腦出血早期血腫擴(kuò)大的可行性研究

江瑞信，葉浩翊，劉志鋒，阮耀欽，申忱，伍志華

高血壓腦出血患者約28%～70%可發(fā)生早期血腫擴(kuò)大，并且是病情早期迅速惡化的主要原因［1］。超急性期及時(shí)行臨床干預(yù)，可以預(yù)防血腫擴(kuò)大與改善患者預(yù)后［2］。然而，目前臨床對(duì)高血壓腦出血患者預(yù)后評(píng)估常用主觀性較強(qiáng)的神經(jīng)功能評(píng)分，另外鎮(zhèn)靜藥物或亞低溫亦會(huì)影響神經(jīng)功能評(píng)分結(jié)果［3］。尋找一種客觀的精準(zhǔn)的評(píng)估方法尤為迫切。基于CT圖像的紋理分析可對(duì)圖像中像素的分布量化，從而獲取不同性質(zhì)病灶的紋理特征［4，5］。本研究擬探討基于頭顱CT平掃圖像紋理分析預(yù)測(cè)高血壓腦出血患者早期血腫擴(kuò)大的可行性。

1 資料與方法

1.1 一般資料

回顧分析2019年8月～2020年5月在我院74例行頭顱CT平掃圖像、血糖、血壓、格拉斯哥昏迷評(píng)分（GCS）、腦出血家族史等資料，并確診為高血壓腦出血，且24小時(shí)復(fù)查頭顱CT平掃，并記錄所有患者入院CT檢查前血糖、收縮壓、舒張壓、格拉斯哥昏迷評(píng)分（GCS）。入組標(biāo)準(zhǔn)：①高血壓病史；②CT確診為腦出血患者。排除標(biāo)準(zhǔn)：外傷性腦出血、腦腫瘤、血管病變等患者。本研究已通過(guò)醫(yī)院倫理委員會(huì)審核，所有參與患者均簽署知情同意書(shū)。

1.2 分組方法與設(shè)備

1.2.1 分組方法 腦血腫早期擴(kuò)大：24小時(shí)復(fù)查CT血腫體積超過(guò)基線CT的33%或6 mL。根據(jù)血腫是否擴(kuò)大分兩組，A組：血腫擴(kuò)大，B組：血腫無(wú)擴(kuò)大。

1.2.2 設(shè)備使用西門子64排128層螺旋CT，層厚0.625 mm，螺距0.9，F(xiàn)OV：12 cm×12 cm，自動(dòng)mAs技術(shù)，120 kV管電壓，機(jī)架轉(zhuǎn)運(yùn)速度2 r/s。

1.3 血腫征象與體積測(cè)量

由2名高年資CT診斷醫(yī)師在西門子后處理工作站獨(dú)立測(cè)量，選取血腫層面為3D-ROI（圖1），測(cè)量結(jié)果取兩者平均值。血腫征象評(píng)估包括黑洞征、漩渦征、混合征、島征：“黑洞征”定義為血腫內(nèi)相對(duì)高密度區(qū)域完全包裹相對(duì)低密度區(qū)域，后者可呈圓形、橢圓形或短棒狀，邊界清楚且不與周圍腦組織相連。“漩渦征”定義為血腫高密度區(qū)內(nèi)的低密度區(qū)或等密度區(qū)，其形狀變化多樣，可以是圓形、條狀或不規(guī)則形狀等。“混合征”定義為血腫內(nèi)同時(shí)存在相對(duì)高密度和低密度區(qū)域，二者之間界限明確，CT值相差18 HU以上。“島征”定義為平掃CT上血腫周邊的小血腫，要求個(gè)數(shù)為3及以上；如全部或部分與血腫相連，要求個(gè)數(shù)為4個(gè)或以上。

1.4 紋理特征提取

使用Omni-Kinetics軟件勾畫(huà)血腫3D-ROI，并提取67個(gè)紋理特征，包括灰度直方圖、空間灰度共生矩陣和灰度游程步長(zhǎng)矩陣等。

1.5 統(tǒng)計(jì)學(xué)分析

采用SPSS19軟件統(tǒng)計(jì)，計(jì)量資料進(jìn)行正態(tài)性檢驗(yàn)，符合正態(tài)分布采用獨(dú)立樣本t檢驗(yàn)，用均數(shù)與標(biāo)準(zhǔn)差表示（x±s）；不符合正態(tài)分布采用秩和檢驗(yàn)，用中位數(shù)與四分位間距表示M（Q1，Q3）。臨床資料比較采用卡方檢驗(yàn)進(jìn)，P＜0.05為差異有統(tǒng)計(jì)學(xué)意義。紋理特征值使用一致性檢驗(yàn)，ICC＞0.8，為診斷試驗(yàn)的可重復(fù)性較好。對(duì)單因素分析具有統(tǒng)計(jì)學(xué)差異的參數(shù)納入二元Logistics回歸分析，運(yùn)用受試者工作特征曲線（ROC）分析診斷效能。

2 結(jié)果

兩組臨床資料結(jié)果如表1。首診CT平掃圖像共提取67個(gè)紋理特征，其中兩組ICC＞0.8的特征比較如表2。二元logistics回歸方程結(jié)果顯示sumEntropy與Compactness為高血壓腦出血患者早期血腫擴(kuò)大的獨(dú)立風(fēng)險(xiǎn)因素（表4），其預(yù)測(cè)模型為：Logit（P）=-43.929+sumEntropy×81.731+Compactness×-1.300，Logit（P）的ROC曲線下面積為0.921，取閾值為0.694時(shí)，敏感度90.5%，特異性83.0%。

表1 兩組患者一般資料比較（x±s）

3 討論

本研究比較兩組患者血腫基于CT圖像的紋理特征，發(fā)現(xiàn)A組患者sumEntropy特征值明顯低于B組，而Compactness特征值明顯高于B組。二元Logistics回歸分析結(jié)果顯示以上兩個(gè)紋理特征早期血腫擴(kuò)大的獨(dú)立風(fēng)險(xiǎn)因素。

腦血腫形成是不斷地從紅細(xì)胞懸液到血凝塊形成的過(guò)程，這是血腫密度異質(zhì)性的病理基礎(chǔ)［6］。基于CT平掃圖像紋理分析是近年來(lái)新興的一種圖像分析技術(shù)，通過(guò)提取圖像紋理特征而獲取一系列肉眼無(wú)法識(shí)別的異質(zhì)性參數(shù)，可以對(duì)不同血腫類型內(nèi)部的紋理特征進(jìn)行可視化提取，達(dá)到預(yù)測(cè)早期血腫擴(kuò)大的目的［7］。本研究中A組患者高階特征sumEntropy明顯低于B組，當(dāng)高血壓腦出血出現(xiàn)一個(gè)或多個(gè)活動(dòng)性出血點(diǎn)時(shí)，新鮮出血與穩(wěn)定血腫的位置和出血量不斷變化，在CT圖像上反映血腫的異質(zhì)性的紋理特征（如：灰度直方圖分布的對(duì)稱性、紋理的粗細(xì)及均勻度等）亦不斷變化［8］。李惠［9］等108例腦出血早期血腫擴(kuò)大的影像組學(xué)研究發(fā)現(xiàn)多個(gè)高階特征皆可以預(yù)測(cè)血腫早期擴(kuò)大，最高AUC為0.9060，結(jié)果與本研究類似，但本研究建立多因素logistics回歸預(yù)測(cè)模型其AUC可達(dá)0.921。本研究中基于多紋理參數(shù)建立logistics回歸方程結(jié)果顯示sumEntropy、Compactness2為高血壓腦出血早期血腫擴(kuò)大的獨(dú)立風(fēng)險(xiǎn)因素，并且以預(yù)測(cè)模型為：Logit（P）=-43.929+sumEntropy×81.731+Compactness×-1.300，Logit（P）的ROC曲線下面積為0.921，取閾值為0.694時(shí)，敏感度及特異性分別為（90.5%、83.0%）。傅璠［10］等對(duì)80例腦出血患者進(jìn)行回顧性分析發(fā)現(xiàn)，黑洞征、衛(wèi)星征可判斷高血壓腦出血早期血腫擴(kuò)大，本研究中黑洞征、混合征、島征、漩渦征均不具有統(tǒng)計(jì)學(xué)意義，表明單純CT征象預(yù)測(cè)腦出血早期血腫擴(kuò)大存在主觀因素影響大、可重復(fù)性不強(qiáng)的問(wèn)題，本研究采用圖像紋理特征為定量數(shù)據(jù)，可更加客觀評(píng)估CT圖像信息，因此，我們認(rèn)為基于CT平掃圖像的紋理分析能夠預(yù)測(cè)血腫擴(kuò)大。本次研究的不足主要在于樣本容量偏小且ROI為純血腫區(qū)域，其次對(duì)于高血壓腦出血水腫范圍的紋理分析需要進(jìn)一步研究。

表2 兩組患者差異具有統(tǒng)計(jì)學(xué)意義紋理特征比較 M（Q1，Q3）

表3 CT平掃圖像征象主觀評(píng)價(jià)結(jié)果

表4 CT平掃圖像紋理特征參數(shù)二元logistics回歸分析

圖1 男性高血壓患者，65歲，右側(cè)基底節(jié)區(qū)腦出血。勾畫(huà)血腫3D-ROI提取紋理特征

圖2 A：男性，62歲，CT平掃圖像為混合征，未發(fā)生腦出血早期擴(kuò)大；B：男性，77歲CT平掃圖像為為島征，發(fā)生腦出血早期擴(kuò)大；C：男性，68歲CT平掃圖像為為黑洞征，發(fā)生腦出血早期擴(kuò)大；D：女性，71歲CT平掃圖像為為漩渦征，未發(fā)生腦出血早期擴(kuò)大。

圖3 單因素分析具有統(tǒng)計(jì)學(xué)意義的參數(shù)與Logistics回歸模型ROC圖其中預(yù)測(cè)模型診斷效能最佳

綜上所述，基于CT平掃圖像紋理分析有助于預(yù)測(cè)高血壓腦出血早期血腫擴(kuò)大，且預(yù)測(cè)模型判斷高血壓腦出血早期血腫擴(kuò)大效能最高。