一種用于膝關(guān)節(jié)軟骨T2值測(cè)量的自動(dòng)分區(qū)方法.pdf

1、關(guān)節(jié)軟骨屬于透明軟骨，表面光滑，能減少相鄰兩骨之間的摩擦，緩沖運(yùn)動(dòng)時(shí)產(chǎn)生的震動(dòng)，呈淡藍(lán)色，有光澤，是覆蓋在骨骺端部的一層特殊光亮結(jié)締組織的膠原纖維組成的結(jié)構(gòu)，這種結(jié)構(gòu)使關(guān)節(jié)軟骨受到壓力時(shí)候，還可以有少許的變形，緩解沖擊力傳遞負(fù)荷的作用，是維持關(guān)節(jié)活動(dòng)必需的組織結(jié)構(gòu)。因此，人們?cè)谶\(yùn)動(dòng)前最好先活動(dòng)一下關(guān)節(jié)，使關(guān)節(jié)充分潤(rùn)滑，防止關(guān)節(jié)軟骨損傷。但反過(guò)來(lái)說(shuō)，關(guān)節(jié)運(yùn)動(dòng)又是必需的，它對(duì)于維持關(guān)節(jié)軟骨的正常結(jié)構(gòu)起到重要作用。因?yàn)榫S持關(guān)節(jié)軟骨的正常代謝的

2、是散在分布在纖維之間的軟骨細(xì)胞，它們由橢圓或圓形的細(xì)胞從淺層向深層逐漸組成，其營(yíng)養(yǎng)成分和代謝廢物必須從關(guān)節(jié)液中取得或排出，而關(guān)節(jié)軟骨的這種營(yíng)養(yǎng)代謝的途徑就是關(guān)節(jié)運(yùn)動(dòng)，使關(guān)節(jié)軟骨不斷的受到壓力刺激才行。骨關(guān)節(jié)炎(Osteoarthritis，OA)是一種非常常見(jiàn)的老年性疾病，在導(dǎo)致殘疾方面僅次于心臟病，對(duì)衛(wèi)生保健系統(tǒng)而言有著相當(dāng)大的社會(huì)經(jīng)濟(jì)影響。它會(huì)造成疼痛和在關(guān)節(jié)運(yùn)動(dòng)時(shí)表現(xiàn)為失去彈性的剛性活動(dòng)，而疼痛和活動(dòng)的減少會(huì)引起患病關(guān)節(jié)周圍的肌肉

3、和韌帶的萎縮，從而導(dǎo)致關(guān)節(jié)畸形及功能障礙。而引起這種疾病的核心環(huán)節(jié)是關(guān)節(jié)軟骨的磨損，破裂，變薄，因此，對(duì)關(guān)節(jié)軟骨病變的早期診斷和治療就顯得尤為重要。
　　 目前，治療OA主要局限于癥狀的控制和治療此疾病藥物的研究。因此，人們?cè)诜治鲫P(guān)節(jié)軟骨和有關(guān)它的疾病進(jìn)展方面進(jìn)行了大量的研究。其中X線、CT等方法都可以用來(lái)評(píng)價(jià)關(guān)節(jié)軟骨，但是這些方法并不能用于軟骨病變?cè)缙陔A段特別是形態(tài)輪廓尚未改變之前的生化成分改變階段的診斷。隨著MR成像技術(shù)的飛

4、速發(fā)展，MR成像因其多方位、多序列、多參數(shù)及無(wú)創(chuàng)傷性，且能直接觀察OA患者關(guān)節(jié)結(jié)構(gòu)的改變，已經(jīng)越來(lái)越多地運(yùn)用于關(guān)節(jié)軟骨早期病變的診斷特別是形態(tài)輪廓尚未改變之前的生化成分改變階段的診斷。其中，T2圖(T2mapping)成像作為一種新的MR成像技術(shù)，已成為關(guān)節(jié)軟骨病變?cè)缙谠\斷及病情監(jiān)測(cè)的敏感標(biāo)記。T2弛豫時(shí)間（T2 relaxation time）可以用T2圖進(jìn)行量化測(cè)定，是橫向磁化弛豫衰減至最大信號(hào)強(qiáng)度的37％所需的時(shí)間。其成像的原理為

5、:首先，采用多層面多回波的自旋回波序列，采用相同的TR時(shí)間，不斷改變TE時(shí)間進(jìn)行掃描，就可以得到一系列的T2加權(quán)圖像;然后計(jì)算出這些圖像中各個(gè)像素的T2值，可量化分析的灰階或彩色階T2圖就重構(gòu)出來(lái)了。隨著軟骨退變的程度加重，T2值也隨著升高。而T2圖成像技術(shù)這所以能夠有效指導(dǎo)臨床及早診斷及治療，是因?yàn)樗梢悦舾械胤从吵鲫P(guān)節(jié)軟骨形態(tài)輪廓無(wú)明顯改變之前的生化成分的改變。
　　 目前對(duì)改進(jìn)關(guān)節(jié)病的早期診斷的研究主要是在提高分割速度和自

6、動(dòng)化程度兩個(gè)方面。對(duì)于軟骨T2圖的分割，Rother提出了一個(gè)有效的基于圖分割的交互式分割算法。此算法原理是，把一個(gè)矩形覆蓋在一個(gè)待分割區(qū)域上，使用灰度值直方圖來(lái)分割區(qū)域;2006年Tang提出了一種半自動(dòng)的梯度向量流(GradientVector Flow, GVF)蛇形的改進(jìn)算法，此算法吸收了梯度方向信息，并用B樣條來(lái)模型化軟骨邊界，通過(guò)增加控制點(diǎn)的方式來(lái)實(shí)現(xiàn)更準(zhǔn)確的軟骨邊界分割;而Folkesson、Dam等提出了一種體像素分類的

7、方法，開(kāi)始是運(yùn)用kNN算法來(lái)將軟骨邊界和背景分開(kāi)，達(dá)到軟骨分割的目的，后來(lái)針對(duì)kNN算法分類的計(jì)算復(fù)雜性，又提出了一個(gè)有效的分類方法，其原理為把一系列隨機(jī)采樣的體像素分為軟骨或是背景像素，而不是對(duì)每個(gè)單獨(dú)的體像素進(jìn)行分類，即如果一個(gè)體素被分類為軟骨，那么繼續(xù)分類其鄰近的像素，直到?jīng)]有像素被分類為軟骨為止。上述的方法雖然提取出軟骨區(qū)域，可是沒(méi)有實(shí)現(xiàn)把軟骨區(qū)域再自動(dòng)分層或分區(qū)域。根據(jù)從軟骨表面到軟骨深層組織結(jié)構(gòu)的不同，可將軟骨分為4層，分別

8、為表層、過(guò)渡層、放射層和鈣化層。Modl等首先發(fā)現(xiàn)關(guān)節(jié)軟骨在T2加權(quán)圖像上呈3層表現(xiàn)，分別是深層、中間層和淺表層，并且認(rèn)為深層與放射層及鈣化層對(duì)應(yīng)，中間層與過(guò)渡層對(duì)應(yīng)，而淺表層與表層對(duì)應(yīng)。其各層的結(jié)構(gòu)特點(diǎn)是:淺表層膠原纖維較薄且緊湊，平行于關(guān)節(jié)面，水含量最高;中間層為膠原纖維排列不規(guī)則，呈斜行隨機(jī)狀，水含量次之;深層膠原纖維較厚，垂直于關(guān)節(jié)面，水含量最少，提供最大的抗壓力量。其中，關(guān)節(jié)軟骨的膠原纖維高度有序的排列導(dǎo)致了關(guān)節(jié)軟骨結(jié)構(gòu)的各向

9、異性，而關(guān)節(jié)軟骨的T2值恰恰取決于軟骨組織結(jié)構(gòu)的各向異性、膠原及其排列方向、水含量的變化。因此，關(guān)節(jié)軟骨內(nèi)某層或某區(qū)域內(nèi)生化成分的變化，就意味著此層或此區(qū)域內(nèi)的T2值的改變。而OA發(fā)生時(shí)，最早可見(jiàn)的軟骨組織形態(tài)變化是膠原分層結(jié)構(gòu)的消失，導(dǎo)致T2值的升高。所以，實(shí)現(xiàn)關(guān)節(jié)軟骨的自動(dòng)分層對(duì)于分析不同區(qū)域的信號(hào)強(qiáng)度、探討關(guān)節(jié)軟骨功能承重區(qū)以及早期診斷軟骨病變都有重要意義。而本文所要實(shí)現(xiàn)的就是在膝關(guān)節(jié)軟骨T2圖上把軟骨區(qū)域自動(dòng)分為三層九區(qū)域（每一

10、層可分為三個(gè)區(qū)域，分別是外側(cè)區(qū)域，中間區(qū)域和內(nèi)側(cè)區(qū)域）。
　　 本文所采用的T2圖是由Philip Intera1.5T超導(dǎo)MR SENSE-Flex-M線圈行膝關(guān)節(jié)橫軸位掃描所得，掃描范圍自髕骨上緣水平至脛骨平臺(tái)，在足部放置了一沙袋固定體位。T2圖成像掃描參數(shù):采用8回波SE序列，TR1300ms，TE10～90 ms，層厚3mm，層間距1.5 mm，層數(shù)12，視野(FOV)180 mm×140mm，像素矩陣512×512，2

11、次采集，掃描時(shí)間約為7min。共掃描15個(gè)膝關(guān)節(jié)（左側(cè)膝關(guān)節(jié)7個(gè)，右側(cè)膝關(guān)節(jié)8個(gè)），年齡為23～42歲之間，平均年齡為28.6±5.3歲，所有患者均簽署知情同意書(shū)。共得到15組數(shù)據(jù)（T2圖），再由臨床經(jīng)驗(yàn)豐富的放射科醫(yī)生勾勒出髕軟骨區(qū)域。本文將這幅由醫(yī)生勾勒出軟骨區(qū)域的膝關(guān)節(jié)軟骨T2圖像變?yōu)橐环浌菂^(qū)域?yàn)榘?，其他區(qū)域全變黑的二值圖像。然后由形態(tài)學(xué)函數(shù)對(duì)圖像進(jìn)行形態(tài)學(xué)處理可取得軟骨區(qū)域邊緣線，這是一個(gè)閉區(qū)域線，即軟骨區(qū)域的輪廓圖。接著通過(guò)

12、形態(tài)學(xué)函數(shù)提取軟骨區(qū)域的中軸線，并改變函數(shù)的參數(shù)去除毛刺。然后就可把中軸線的橫、縱坐標(biāo)分別與一階微分的高斯核進(jìn)行卷積運(yùn)算后計(jì)算出切線的斜率，再由切線的斜率計(jì)算出法線的斜率，由法線的斜率又得出法線的方向，進(jìn)而求出各法線的橫、縱坐標(biāo)。每一條法線與軟骨區(qū)域邊緣線都有兩個(gè)交點(diǎn)，再取把這兩個(gè)交點(diǎn)距離三均分的兩個(gè)點(diǎn)，如此可得到四個(gè)點(diǎn)，從上到下依次歸類為A、B、C、D，對(duì)A、B、C、D類點(diǎn)分別進(jìn)行線性插值可得到四條分界線，軟骨區(qū)域就可分為三層，分別為

13、膝關(guān)節(jié)軟骨的深層、中間層、淺表層。再分別計(jì)算軟骨區(qū)域的各點(diǎn)到四條邊界線的最小距離，就可判斷這個(gè)點(diǎn)是在哪兩條邊界線內(nèi)，依此類推，就可把軟骨區(qū)域的各點(diǎn)分層了。在軟骨區(qū)域輪廓圖均分為三層的基礎(chǔ)上，選取把中軸線三均分的兩條法線，就可把每一層再均分為左、中、右三個(gè)區(qū)域，把各區(qū)域的坐標(biāo)代入原膝關(guān)節(jié)軟骨T2圖中，就可求出T2圖上各區(qū)域T2值的均值，其空間分布為關(guān)節(jié)軟骨深層至淺表層呈先降低后升高的趨勢(shì)，越接近關(guān)節(jié)軟骨表面T2值越高。
　　 本文

14、采用Bland-Altman統(tǒng)計(jì)學(xué)分析方法來(lái)評(píng)價(jià)兩位醫(yī)生之間及手工和自動(dòng)之間測(cè)定結(jié)果的一致性。其原理是計(jì)算兩次測(cè)量結(jié)果的差值均值和差值標(biāo)準(zhǔn)差，接著可計(jì)算出其95％一致性界限，并用圖形的方法直觀地反映這個(gè)一致性界限，若一致性界限小于兩次測(cè)量結(jié)果均值最小值的1/2，即判定為一致性良好。同時(shí)也通過(guò)變異系數(shù)(Coefficient Of Variation, COV)對(duì)兩種測(cè)量結(jié)果進(jìn)行一致性評(píng)價(jià)。實(shí)驗(yàn)所測(cè)醫(yī)生1、醫(yī)生2分區(qū)測(cè)量結(jié)果的均值分別是3

15、9.06ms、39.71ms，差值的均值為-0.66ms，差值的標(biāo)準(zhǔn)差為2.05ms，則95％一致性界限為-0.66±1.96×2.05ms，即(-4.68ms，3.36ms)，其變異系數(shù)COV=2.05ms/39.39ms=5.20％。手工分區(qū)和自動(dòng)分區(qū)測(cè)量結(jié)果的均值分別是39.39ms、39.31ms，差值的均值為0.08ms，差值的標(biāo)準(zhǔn)差為1.59ms，則95％一致性界限為0.08±1.96×1.59ms，即(-3.04ms，3.

16、20ms)，其一致性界限窄（遠(yuǎn)遠(yuǎn)小于兩組結(jié)果均值的最小均值39.31ms的1/2），變異系數(shù)COV=1.59 ms/39.35 ms=4.04％，表明手工分區(qū)和自動(dòng)分區(qū)這兩種方法的一致性良好。在一致性界限范圍內(nèi)，差值的絕對(duì)值最大為3.20ms，醫(yī)生分割結(jié)果的最小平均值為39.31ms，這種相差的幅度在臨床上是可以接受的，從臨床實(shí)際角度可以認(rèn)為這兩種方法具有較好的一致性。由此可說(shuō)明自動(dòng)分區(qū)方法不僅可替代手工分區(qū)方法，而且克服了手工分區(qū)方法