基于灰度雙閾值自動測量MRI所示膝骨關節炎積液體積

陳潔瑩，白求順，曾雨萍，陳嘉欣，丁長海，朱兆華，4*

(1.南方醫科大學生物醫學工程學院，2.第一臨床醫學院，廣東 廣州 510515；3.南方醫科大學珠江醫院臨床研究中心，4.骨科中心，廣東 廣州 510280)

膝骨關節炎(knee osteoarthritis， KOA)是引起膝關節長期疼痛、功能障礙的退行性疾病，患者生活質量嚴重下降[1-2]。KOA患者疼痛的主要原因為關節積液所導致的關節囊擴張[3-4]。約85%的KOA患者關節存在少量甚至更多積液，且積液量與疼痛程度呈正相關[5-6]。MRI顯示膝關節半月板及軟骨改變、軟組織腫脹、關節積液、骨髓水腫及滑膜增厚等關節病變具有明顯優勢[7-9]。因此，基于MR圖像測量關節積液可用于診斷和評估KOA預后，但目前定量測量關節積液的方法較少，且費用高昂、平臺應用受限、手動勾畫ROI耗時費力[10]。觀察者間測量積液體積的一致性很好(組內相關系數：0.93～0.99，P<0.05)[10]。本研究在前期研究[10]基礎上擬基于Matlab平臺開發自動測量KOA患者膝關節積液體積工具，為臨床應用提供數據支撐。

1 資料與方法

1.1 數據來源 選取2010年6月—2013年12月維生素D治療骨關節炎療效(vitamin D effect on osteoarthritis， VIDEO)研究中151例KOA患者(測試集)，男74例，女77例，年齡50～79歲，平均(63.2±7.7)歲；膝關節冠狀位質子密度加權成像(proton density weighted imaging， PDWI)參數：TE 3 400 ms，TR 64 ms，層厚3 mm，FA 90°，像素256×256，圖片數量23幀。于國際公共骨關節炎隊列數據庫(https://nda.nih.gov/oai/)骨關節炎起始研究(osteoarthritis initiative study， OAI)中隨機抽取50例KOA患者作為外部驗證集，男17例，女33例，年齡45～77歲，平均(61.4±9.8)歲；采集膝關節冠狀位二維中介加權快速自旋回波(two-dimensional intermediate weighted turbo spin echo， 2D-IW-TSE)序列圖像，TE 3 700 ms，TR 29 ms，層厚3 mm，FA 180°，像素307×384，圖片數量37幀。本研究獲得院倫理委員會批準(編號：H11040)。

1.2 手動測量 采用Osirix Lite 5.9軟件，由1名具有3年工作經驗的影像科醫師觀察MRI，發現膝關節積液信號(knee joint effusion signals， KES)時，沿積液區域邊緣手動勾畫ROI，軟件自動進行三維重建并計算積液體積。采用MRI膝關節骨關節炎評分(MRI osteoarthritis knee score， MOAKS)[11]標準評價積液等級：無滲液為0級，輕度滲液為1級，中度滲液為2級，重度滲液為3級。由另1名醫師隨機抽取50例再次進行勾畫及評級。

1.3 自動測量

1.3.1 閾值分割 將DICOM格式MRI導入Matlab r2018a平臺，以函數medfilt2進行濾波。隨機抽取3例同時存在皮下脂肪信號(subcutaneous fat signals， SFS)及KES的圖像，調整高、低閾值，在不進行灰度變換的前提下，以10個灰度級為一個單位，在合理范圍內依次變化，使高、低閾值相差2個單位以上；調整面周比(surface-to-circumference ratio， STCR)，以0.5為一個單位，在合理范圍內依次變化，使高、低閾值相差1個單位以上。由2名分別具由3年工作經驗的影像科醫師分別觀察自動及手動分割ROI的一致性，以與手動測量結果最匹配的閾值作為分割閾值，意見存在分歧時經協商達成一致。測試集低閾值為550、STCR閾值為4.5，高閾值為850、STCR閾值為10；驗證集低閾值為400、STCR閾值為2.5，高閾值為470、STCR閾值為3。行全局閾值(低閾值)分割(圖1A)，以函數bwareaopen進行開操作，去除微小目標。

1.3.2 獲取ROI 以函數statxture獲取三階距，結合STCR區分剩余區域的SFS及KES。STCR較小時，多為折褶多、高信號強度分布離散的SFS區域；STCR較大時，多為高信號強度分布集中、均勻且邊界平整的KES區域。以三階矩度量區域灰度值集合的偏斜度，見公式(1)及(2)；正負三階矩分別代表區域灰度值集合的正負偏態，KES區域三階矩<0，灰度直方圖呈見負偏態(圖1B)；SFS區域>0，灰度直方圖呈正偏態(圖1C)。

(1)

(2)

式中，ζi為第i個區域的三階矩，ui為第i個區域的灰度均值，N為該區域內像素數，Pij為第i個區域的第j個像素的灰度值。

剩余區域數量≤10 表示圖像存在脂肪信號的可能性較低，無需再行高閾值分割，可根據STRC>4.5或三階矩<0確定積液。剩余區域的數量>10代表圖像脂肪信號較多，需設置更高閾值用于全局閾值分割，并執行開操作。若區域STRC>10或三階矩<0，可視為小區域KES(圖1D)。

圖1 患者女，63歲，KOA A.全局閾值分割膝關節冠狀位MRI中KES受SFS的干擾較多； B.KES灰度直方圖； C.SFS灰度直方圖； D.雙閾值分割后，干擾信號基本被去除

圖2 自動測量和手動測量KOA患者膝關節積液體積相關性的散點圖 A.測試集； B.驗證集

1.3.3 積液體積 根據圖像拍攝縱深及所測面積進行插值處理，獲得面積的模擬曲線；根據公式(3)以積分計算積液體積(V)。

(3)

式中，d為膝關節總厚度，x為深度，area(x)為插值處理后得到的面積函數。

1.4 統計學分析 采用SPSS 18.0軟件。分別以Pearson相關性分析和Spearman相關性分析評價自動、手動測量后評價測試集與外部驗證集(n=50)積液等級結果的相關性：|r|<0.3為無明顯相關，0.3≤|r|<0.6為中度相關，|r|≥0.6為高度相關。P<0.05為差異有統計學意義。

2 結果

自動測量測試集平均耗時(4.38±0.98)s，手動測量平均耗時(12.54±5.37)min。自動測量與手動測量測試集積液體積結果呈高度正相關(r=0.78，P<0.01)，見圖2A；自動測量與手動測量驗證集積液體積等級結果亦呈高度正相關(r=0.87，P<0.01)，見圖2B。

3 討論

目前影像學測量KOA患者關節腔積液仍以半定量評分為主，缺少更為客觀及可實現真正量化的測量工具[12]。WANG等[13]手動于MRI中勾畫ROI，利用Osirix Lite軟件測量積液面積及體積，并進一步與臨床結局進行相關性分析，發現膝關節積液水平對診斷KOA和評估預后具有重要價值。但是，人工手動逐幀勾畫ROI耗時、費力，臨床實用性有限。準確測量積液體積的關鍵是正確區分SFS與KFS。PDWI中積液表現為高亮信號，脂肪和水強度(灰度)值均較高；膝關節周圍皮下脂肪較多時，采用普通閾值分割方法不能很好地去除脂肪信號噪聲，易將SFS誤為KFS，導致測量數據出現誤差。傳統方法通常利用直方圖、方差及最大類間方差等確定閾值，用于分割MRI中膝關節積液信號的效果不佳。QUINN-LAURIN等[14]基于Matlab平臺證實了其所提出的MRI半自動閾值分割方法定量測量髖關節積液的可靠性和可行性，并預計以深度學習方法實現進一步自動化可大幅提高測量小體積復雜關節液的可靠性，認為此為優化方向。本研究基于Matlab平臺，在全局閾值分割基礎上以STCR和三階矩最大化地排除脂肪信號干擾，實現了自動化測量膝關節積液面積和體積；所開發的自動測量工具易于操作，操作者無須具備豐富的MRI測量經驗即可在短時間內精確測量大量樣本，且測試集及驗證集中自動測量結果與手動測量結果的相關性均較高，提示此法有助于大幅降低測量時間和人力成本，更為客觀地定量評價膝關節積液水平。

總之，本研究基于Matlab開發的自動測量MRI所示膝關節積液體積工具相比與人工手動測量方法耗時短、較少需要人工干預，可重復性佳，具有較高臨床推廣價值。但本研究存在以下不足之處：①樣本量小，可能對結果造成影響；②其臨床有效性有待進一步臨床研究，特別是大樣本前瞻性隊列研究結果加以驗證。