RSNA2019頭頸部影像學

郝永紅，翟林寒，葉海琪，陳騫藍，陳雪霞，張菁，潘初，朱文珍

2019年RSNA年會上頭頸部影像學方面的科學報告有百余篇，相關研究進展主要有以下4個方面，現總結如下。

頭頸部常規及(非創傷性)急診影像

磁共振成像可以表征頸動脈斑塊的特征，包括斑塊內出血(IPH)、富含脂質的壞死核心(LRNC)和薄裂的纖維帽(TRFC)等，而這些特征是腦血管缺血事件發生的預測因子。一項隨機Meta分析結果顯示，MRI上與IPH、LRNC及TRFC陽性相關的未來腦缺血事件年發生率分別為11.9%，5.4%和5.7%，3個征象均與未來腦缺血事件發生風險呈正相關，優勢比(OR)分別為 6.37(95%CI為3.96～10.24)、4.34(95%CI為1.65～11.42)和10.60(95%CI為3.56～31.58)。這進一步證實了提示“高危”或“易損”斑塊的MRI征象(IPH，LRNC，TRFC)可以預測未來發生中風或TIA缺血事件的風險。

超快速MRI可在5min內對急性神經急癥進行快速診斷，具有較高的敏感性和特異性，并可影響臨床對患者治療方案的制訂。有研究者對60例[女30例，男30例，年齡(61±19)歲]頭顱CT表現陰性患者采用超快速和常規掃描方案進行急診顱腦3.0T MRI檢查，2個掃描方案的掃描序列相同，均包括矢狀面GRE T1WI及橫軸面TSE T2WI、TSE T2-FLAIR、GRE T2*EPI和SS-EPI DWI，掃描時間分別為5和15min。研究者發現超快速MRI可獲得與常規掃描方案相當的圖像質量及顱內病變的診斷符合率，且其中10%(6/59)的患者因此改變了臨床治療方案。

急性腦卒中患者需要進行Alberta卒中項目早期CT評分(ASPECT評分)。研究者發現目前兩種軟件的自動化ASPECT評分都顯示出與急性卒中人工評分之間具有良好的相關性，但它們對最終梗死體積的預測能力中等或較差，表明機器學習在急性卒中成像中的應用尚需繼續改進。

評估新發的每日持續性頭痛癥(NDPH)患者的陽性神經影像學預測因子，有助于分辨出有潛在可逆病因的NDPH患者，有利于對患者的早期管理。研究者搜集200例年齡≥18歲且有病歷記錄的NDPH患者的資料，包括NDPH的特征、病程、有無偏頭痛、明確誘因(如病毒感染)和血管并發癥史，并讀取基線時個體的腦MRI和頭顱CT。結果顯示，59例患者的腦MRI有陽性表現，最多見的病變依次是硬膜腦膜瘤(15/59)、硬膜下出血(13/59)和顱內動脈瘤(10/59)。在基線時，有明確誘因病史和血脂異常與陽性顱腦MRI表現具有相關性(P值分別為0.02和0.05)。

雙能CT可采用三物質分離算法，利用灰質和白質能量譜的差異，更好地顯示急性缺血性卒中相關的細胞毒性水腫。回顧性分析具有急性缺血性腦卒中臨床癥狀的70例患者在發作后4.5小時的治療窗內的雙源CT和24小時內常規CT平掃圖像，以后者作為參照標準，發現雙能CT參數圖能更好地評估急性缺血性卒中的最終腦梗死體積。另外，模型迭代重建算法(MBIR)可提高顱腦平掃CT圖像對急性缺血性卒中患者低密度區的診斷能力。一項前瞻性研究中納入了83例在發病后24小時內接受了顱腦CT檢查并經DWI或隨訪CT確診的急性缺血性腦卒中患者，對比分析混合迭代重建(h-IR)和基于模型的迭代重建(MBIR)CT圖像上缺血區可視化分級及缺血區與對側正常部位的對比噪聲比(CNR)，結果顯示61例患者(73.5%)兩種重建圖像的可視化程度相同，而22例(26.5%)的MIBR圖像上病灶的可視化分級高于h-IR。

準確判斷心源性卒中患者潛在栓子來源對于降低其早、晚期并發癥和死亡率至關重要。回顧性分析了臨床懷疑缺血性卒中且行一站式CT篩查(包括頭顱CT平掃及自主動脈弓至頭頂部的多期CTA掃描)的1405例患者的病例資料，結果顯示53例患者(3.77%)存在潛在的心源性栓塞及相應的危險因素。

死后CT檢測到大出血時，法醫或放射科醫師需意識到合并甲基苯丙胺(MA)中毒可能。對80例致死性腦出血患者行基底節和腦干區的腦出血檢查，并比較腦出血合并MA中毒和不伴MA中毒兩組的出血率、年齡分布、出血類型及死后CT表現，結果顯示年齡較小、主動脈瓣鈣化和顯著的中線移位可能是腦出血合并MA中毒的相關因素。

大部分腦室-腹腔分流(V-P)的患者常因各種原因需頻繁地進行MRI檢查，但MR檢查時的磁場環境可能會導致閥門位置的改變。因此在很多機構中，這類患者在MRI檢查前后均需行頭顱X線檢查，以確定閥門的位置是否改變。有研究者回顧性分析了所在機構使用的每一種商業類型分流閥在磁場環境中位置改變情況，對76例患者在MRI檢查后的89張X線片進行分析，最終顯示閥門位置的改變率為45.2%。每種類型分流閥位置改變發生率如下。Strata NSC?：58.6%(17/29)；StrataII?：85%(17/20)；Codman-Hakim?：20%(8/40)；Codman Certas：0(0/2)；Polaris Sophysas：0(0/2)。

頭頸部腫瘤影像

基于CT和MRI數據提取的放射組學機器學習分類器可預測進展期舌鱗狀細胞癌患者的術后復發風險。回顧性分析81例行對比增強CT和MRI進行術前分期的晚期舌癌患者(cT3～T4或有任何淋巴結轉移)，所有患者至少一年后接受了原發性腫瘤切除和頸部淋巴清掃術(39例復發，其余42例未復發)。基于RadCloud平臺分別從每例患者的圖像中提取1409個放射學特征，并使用方差閾值選擇K值最佳(select K best)，并通過LASSO算法逐漸篩選最佳特征。對于每個成像集，使用計算機生成的隨機數將70%的VOI分配給訓練集，將另外30%的VOI分配給驗證數據集。采用六個監督學習分類器(KNN，SVM，XGBoost，RF，LR，DT)進行分類并采用 ROC曲線分析評估其預測性能，結果顯示采用KNN分類器的基于Gd-T1WI的放射組學模型預測術后療效的AUC最高。

喉癌可以通過器官保留治療或全喉切除術治療。然而，關于明確治療后腫瘤持續存在或復發尚不了解。研究者采用放射組學和灌注特征來預測治療后1年內腫瘤持續存在或復發的可行性。對36例喉癌患者治療前、后的頸部CT圖像進行了回顧性分析。腫瘤的輪廓由計算機自動勾畫確定，腫瘤特征在內源性開發/驗證的計算機輔助檢測(CAD)系統上生成，并以最后一次化療后或完全喉切除術后的時間開始計算以獲取一年內腫瘤持續/復發的數據。在36例患者中，有10例(28%)在1年內疾病復發/持續。研究結果顯示，體積變化百分比是最佳預測特征(AUC=0.63±0.09)。聯合放射組學和灌注特征(包括體積變化百分比和血流灌注變化百分比)的診斷效能最佳(AUC=0.69±0.09)。

確定頭頸部腫瘤在FDG PET-CT檢查中代謝異質性的閾值可幫助預測患者的死亡風險。回顧性分析298例經組織學證實的頭頸部惡性腫瘤患者的18FDG PET-CT資料。腫瘤異質性是基于腫瘤代謝強度體素分布的標準差和偏度來定義，并將這些值等分為10個組以進一步分析。采用COX回歸建模評估腫瘤代謝異質性的患者死亡相對風險(RR)，并納入年齡為協變量。結果顯示：代謝體素標準差>第8等分和偏度小于第3等分與患者的死亡風險增加相關，這一結果可用來確定死亡風險增加的亞組并改變其隨訪時間和治療策略。

對于18FDG PET-CT評估化療后HNSCC的最佳解釋標準(IC)尚沒有明確的共識。研究者全面對比分析了4個定性解釋標準(NI-RADS，Porceddu，Hopkins和Deauville)在預測大樣本患者的局部控制、區域控制和無進展生存期中的準確性，結果顯示4個IC具有相似的診斷性能，Porceddu和Deauville在保證了較高的陰性預測值的同時降低了不確定性得分。

頸部影像報告和數據系統(NI-RADS)近年來被開發作為頭頸部鱗狀細胞癌(HNSCC)的標準化報告模板。關于18FDG PET-CECT應用NI-RADS后放射診斷醫師間的應用可重復性及其在評估頭頸部癌癥患者治療療效中的診斷性能尚需進一步評估。對80例HNSCC患者進行了治療前、后的PET-CT研究。由8位放射科醫師(5位頭頸專業的神經放射科醫師，1位普通神經放射科醫師和2位神經放射研究員)獨立評估了每例患者的影像資料，描述原發灶和淋巴結病變情況并進行NI-RADS分類，計算組內相關系數(ICC)來評估評閱者間的一致性。結果顯示：使用NI-RADS對放射治療后的HNSCC患者進行評估，8位醫師間診斷結果的一致性為中等，而評估者之間的分歧凸顯了培訓和標準化在解釋治療后HNSCC表現中的重要性。

另對146例口-喉咽鱗癌患者行放療前、后18FDG-PET/CECT掃描，并根據NI-RADS模板對其進行比較和分類。 NI-RADS 1級為無復發跡象；NI-RADS 2級提示復發的可能性低；NI-RADS 3級提示高度懷疑有復發；NI-RADS 4級是已知或經證實的復發。以病理證實的局部復發作為金標準，評估NIRADS分類的診斷性能。結果顯示NI-RADS評分與局部區域疾病狀況密切相關。NI-RADS 1級的特異度極佳，但其陰性預測值尚不理想，無法在常規臨床實踐中采用。

同樣，為了規范甲狀腺結節的影像診斷報告，ACR甲狀腺成像報告和數據系統(TIRADS)被納入了區域醫療系統以提高對甲狀腺結節描述的一致性，幫助放射醫師的診斷更準確，減少患者接受不必要的穿刺活檢的風險。

另有研究者根據病理性SHIN分級形成CT SHIN分類以評估甲狀腺乳頭狀癌(PTC)患者的氣管侵犯情況(TI)。對104例于2012年1月-2016年12月行全甲狀腺切除術的PTC患者的術前CT進行了回顧性分析。基于CT的SHIN等級標準如下。Ⅰ級：疾病不侵犯外部軟骨膜；Ⅱ級：疾病侵入軟骨+/-破壞；Ⅲ級：疾病擴展到氣管黏膜，但尚無黏膜增厚或穿透；Ⅳ級：病變全層浸潤，氣管黏膜增厚并凸起。 其它征象：(1)接觸角度，Ⅰ級為0°～89°，Ⅱ級為90°～179°，Ⅲ級為180°～269°，Ⅳ級為>270°；(2)形狀評分，Ⅰ級為馬蹄形、橢圓形和圓形，Ⅱ級為局部拉直墻，Ⅲ級為向內凹變形。 增強等級分為無、相似和過度增強。以組織病理學結果作為金標準，該研究結果顯示與氣管接觸角超過130°、軟骨內軟組織存在以及形狀評分為Ⅲ級是氣管侵犯的預測指標(P<0.05)。

在甲狀腺乳頭狀癌(PTC)患者頸部淋巴結轉移的診斷方面，研究者對比了常規CT形態特征和雙能CT定量參數的診斷表現，發現標準化碘濃度(NIC)及動脈和靜脈相的光譜曲線的斜率(λHU)等雙能CT定量參數對頸淋巴結轉移的診斷具有更高的診斷性能。另研究者對39例分化型甲狀腺癌肺轉移放射碘(RAI)陰性患者在最后一次放射性碘治療(RAI)后5～16個月進行PET-CT檢查，并隨訪評估其Tg倍增時間和腫瘤直徑的縱向變化。他們發現有FDG陽性肺轉移灶的患者，Tg倍增時間縮短或無進展生存期縮短的風險增加，而肺轉移灶的FDG陰性者則臨床病程穩定。

ADC值是鑒別良性和惡性顱骨病變的一項有前途的非侵入性評估參數，可輔助常規成像檢查，提供鑒別診斷準確性。回顧性分析53例經病理證實的顱骨病變(24例惡性； 29例良性)患者(男24例，女29例；年齡3～75歲)的常規MRI和DWI資料。分析常規MRI上病變的邊緣、數目、軟組織成分、局部侵犯、骨膜反應、增強模式以及ADC值(實體成分上3個ROI的平均值)的診斷表現。他們發現應用ADC值可使常規MRI的診斷敏感度、特異度、陽性和陰性預測值及診斷符合率分別提高16.67%、10.30%、13.23%、13.49%和13.20%；但低級別軟骨肉瘤和脊索瘤中的高ADC值，嗜酸性肉芽腫中的低ADC值及轉移性病變的可變ADC值是DWI診斷中的潛在陷阱。

頭頸部人工智能分析

腦分割即識別白質、灰質、深部灰質和腦室，通常是神經影像學分析預處理的第一個步驟。目前，這方面的參考標準要么涉及繁瑣的手動分割，要么依靠計算機的應用程序如FreeSufer，但通常需要數個小時。深度學習作為一種很有前景的圖像分析工具，可進行優化推理，并自動識別先驗特征。研究者設計了一個3D/2D架構，能夠利用來自MRI中上下相鄰層面的信息為大腦分割提供一種高效記憶方法，其結果顯示使用該3D/2D神經網絡方法對腦組織進行分割的Dice評分為腦室0.862，白質0.938，灰質0.896，深部灰質0.908。平均每例患者腦組織分割的處理時間低于5秒，遠遠低于在單個電腦上使用FreeSufer軟件的處理時間(平均73min；P<0.001)。

基于先驗注意約束卷積神經網絡(PAU-Net)可用于鼻咽癌放射治療的靶器官分割。對139例NPC患者的CT圖像進行了分段細化框架的分割精度評價。112例患者的數據用于訓練，其余用于測試。結果顯示PAU-Net的性能明顯優于傳統UNet。

基于深度學習算法，研究者可在MRA、DSA上自動檢測和定位顱內動脈瘤一項研究基于3D ResNet體系結構建立深度學習算法，并探討其在MRA上的診斷性能。結果顯示，該系統對大于5mm的動脈瘤檢測敏感度最高(23/ 25，92.0%)，對小于3mm的動脈瘤檢測敏感度最低(59/70，84.3%)。19個未檢出的動脈瘤中有14個位于頸內動脈，10個假陽性檢測中也有9個位于頸內動脈。

臨床病史在內科醫師或放射科醫師的診斷中起著至關重要的作用。然而，在訓練人工智能模型時，通常未考慮臨床病史或與目標疾病相關的其它疾病的存在。一項研究中加入頭皮血腫作為額外的臨床背景來訓練模型以探討其檢測顱骨骨折的準確性。在141105份報告中，49.8%的骨折患者中會出現頭皮血腫，而29.8%的頭皮血腫患者中會出現骨折。僅以圖像為輸入項的卷積神經網絡(CNN)的曲線下面積(AUC)和平均查準率(AP)分別為0.9599和0.7952；而加上頭皮血腫特征，診斷的AUC和AP則分別達到0.9666和0.8190。

最近的研究中，病理區域定位和各自的特征提取間的內在聯系經常被忽視。為了解決這一問題，研究者提出了一種聯合病理區域定位的新策略，以識別進展型MCI(pMCI)和穩定型MCI(sMCI)。他們提出迭代注意力聚焦(IAF)注意神經網絡來生成疾病相關的注意力圖并預測診斷結果。結果顯示該新型的神經網絡在pMCI和sMCI的鑒別診斷符合率可達81.6%，優于其它技術方法，基于VBM法的符合率為64.3%，基于patch的深度學習方法(LDMIL)為76.9%；此外，該方法可在特定的病理區域上提供一個與MCI進展相關的注意力圖及詳細的解剖信息，并證實與MCI進展最相關的區域主要位于左側大腦，包括顳葉、內嗅皮層和海馬體。

增強MRI對于腦腫瘤尤其是膠質母細胞瘤的診斷具有重要價值。盡管使用廣泛，但也存在價格貴和與釓對比劑相關的缺點(額外的掃描時間、副作用和對比劑沉積的理論風險)。研究者利用深度學習算法基于膠質母細胞瘤的平掃MRI圖像來直接合成增強MRI圖像，并探討其可行性和準確性。結果證實深度學習網絡能夠合成增強T1WI MRI，而且在定性和定量上都類似于真實的增強MRI。合成的增強MRI上全腦平均絕對誤差百分比為8.3%，腫瘤區域為13.0%。對全腦的合成增強MRI作用最大的是T1WI，然后是SWI；而對腫瘤區域的合成增強MRI作用最大的是DWI，然后是SWI。

異檸檬酸脫氫酶(IDH)的突變狀態對腦腫瘤的診斷、治療和預后具有重要意義。人工智能利用常規的MRI序列可以準確、無創地識別IDH狀態。他們分別使用T2圖像(T2-Net)，多模態MRI數據(T2、FLAIR和增強T1)進行訓練學習，結果顯示使用T2WI與使用多模態圖像進行訓練的網絡的診斷效能相當(符合率分別為96.1%和96.9%)，這為臨床提供了一個有前景的實際應用工具。

頭頸部不同原發部位鱗癌的紋理特征存在顯著差異，對機器學習預測模型的性能有影響。將603例HNSCC患者治療前的頸部增強CT圖像納入研究，并根據人乳頭狀病毒(HPV)狀態進行分層。從每個腫瘤中提取一階紋理特征并結合患者的年齡、吸煙情況、飲酒情況和腫瘤分期，建立預測淋巴結轉移、淋巴血管侵犯(LVI)和神經浸潤(PNI)的模型。喉咽(LHP)、唇或口腔(OC)及口咽(OP)腫瘤的紋理特征間差異有統計學意義(P<0.05)，且基于腫瘤原發部位建立的預測模型較未考慮原發部位建立的預測模型的診斷符合率提高了14%。因此，為了獲得放射組學和機器學習預測模型的最佳表現和可靠性，放射學研究中應根據頭頸部原發腫瘤的部位對患者進行分層。

釓對比劑在頭頸部應用

用于MRI檢查的線性釓對比劑可去螯合，導致Gd3+在腦內沉積。理論上，血腦屏障破壞可進一步加劇這種情況。之前有文獻報道內毒素(脂多糖LPS)誘導的敗血癥老鼠模型存在繼發性神經炎癥和持續的血腦屏障滲漏(達6周)。通過對比敗血癥老鼠模型組和正常對照組在注射線性釓對比劑后腦、血液及骨內釓含量，發現血中釓離子的濃度在24小時～1周內迅速下降至無法檢測到；腦組織內釓含量在敗血癥組顯著高于對照組，且隨時間推移仍明顯殘留(6周后釓含量約為24小時時濃度的40%)，而敗血癥組中骨內釓含量稍高于對照組且10倍于腦內含量。盡管血液或骨組織內釓含量差異尚無法完全解釋上述現象，但至少表明血腦屏障的破壞存在一定的作用。這就要求我們在臨床上對敗血癥患者應盡量避免使用線性釓對比劑。

釓在小腦深部核團(DCN)內的精確定位尚不完全清楚。采用免疫組織化學方法(LA-ICP-MS)可顯示注射釓對比劑后老鼠腦內釓的空間分布，對比發現線性釓對比劑組與大環狀釓對比劑組之間釓對比劑在腦內的分布存在差異：在釓布醇(大環狀)組，殘留的釓主要存在于脈管結構內，而釓雙胺組(線性)僅很少的一部分位于血管系統中。另通過對比新型弛豫大環類釓對比劑釓多環酚(gadopiclenol)、釓布醇(gadobutrol)與釓雙胺(gadodiamide)在小腦的長期沉積情況，發現線性釓對比劑末次注射后1和5個月時小腦持續存在釓殘留，且以水溶性釓大分子形式存在；而大環類釓對比劑(釓多環酚和釓布醇)末次注射后5個月在小腦內的釓濃度較釓雙胺低27倍，且僅以完整的可溶性螯合物形式存在。參考常規的釓貝葡胺0.1mmol/kg注射劑量，研究者基于對比噪聲比(CNR)來確定新型高弛豫大環釓對比劑(釓多環酚)的安全有效劑量。一項隨機、雙盲、平行和交叉研究中，將已知或高度懷疑局部血腦屏障破壞的患者隨機分為4組，分別對應4種對比劑劑量(分別為0.025、0.050、0.100和0.200mmol/kg)，分別采用釓多環酚(gadopiclenol)和釓貝葡胺(gadobenate dimeglumine)進行相同序列的MRI掃描。由三位獨立評閱者采用盲法進行信號強度的測量，并于第二次MRI檢查后第2天對患者的不良反應進行觀察和記錄。在注射劑量為0.2和0.1mmol/kg時，釓多環酚的表現明顯優于常規釓貝葡胺(CNR>30%)，而在0.05mmol/kg時兩者表現接近；且病變腦組織的對比強化率(LBR)和強化程度百分比也存在類似結果，且兩種對比劑的不良反應發生率相當(11.7% vs. 12.1%)。這表明，該新型高弛豫對比劑可提供更好的診斷表現和較低的負效應。

大環狀釓對比劑間的主要差異在濃度不同，傳統濃度(0.5mmol/mL)和高濃度(1.0mmol/mL)對比劑的增強效果有無差異尚一直存在爭議。有研究者采用人工智能分析方法評估多形性膠質母細胞瘤(GBM)患者的釓特醇和釓布醇增強顱腦MRI表現，結果證實傳統濃度和高濃度對比劑之間GBM強化特點的差異無統計學意義(相關系數r=0.958)，這表面在0.1mmol/kg注射劑量時釓特醇和釓布醇評估多形性膠質瘤的效果相當。

既往有研究者報道連續注射釓對比劑的患者出現了低磷血癥和腦T1信號強度(SI)增加，但低磷血癥與釓沉積引起的灰質T1信號增高之間無顯著相關性。故此研究中納入75例多發性硬化癥或臨床孤立綜合征且需進行多次增強MRI檢查的患者，分析每次MRI檢查前、后患者的血液、尿液樣本的檢測結果，發現治療組低磷血癥(<2.5mg/dL)的發生率在實驗過程中顯著增加，優勢比為1.267(95%CI：1.198～1.344；P<0.001)。但低磷血癥組與血磷正常組間腦灰質結構的信號強度無顯著差異。

MR T1WI上腦組織信號強度比作為評估腦內釓對比劑殘留的指標，應用流動偽影補償和強度不均勻校正對其測量值有顯著影響。一項前瞻性研究中納入了76例在2007-2017年接受了5次或以上的釓布醇增強掃描和25例從未使用過對比劑的志愿者(對照組)，所有被試進行了兩種T1加權自旋回波序列(有和無血流偽影補償)的平掃顱腦MRI，兩種序列均在有和無強度不均勻性校正的情況下重建，并評估了其信號強度比(齒狀核/腦橋及蒼白球/丘腦)。應用流動偽影補償組，更低比例的參與者(15%和45%，P<0.001)因流動偽影而被排除在齒狀核與腦橋比的最終分析之外；無強度不均勻性校正時，研究組和對照組之間的齒狀核-腦橋比存在明顯差異(P=0.004)，而有強度不均勻性校正后，兩組間無明顯差異(P=0.29)。