彭媛媛，任翠萍*，程敬亮，張春艷，陳 晨，趙瑞琛，盧 宏，朱紅燦

(1.鄭州大學第一附屬醫(yī)院磁共振科，2.神經內科，河南 鄭州 450052)

帕金森病(Parkinson disease, PD)是常見神經系統(tǒng)退行性疾病，病因尚不明確，腦鐵負荷是PD的主要神經病理學特征之一[1-2]。目前已有多種MRI技術用于檢測PD患者腦鐵含量、分布及其與臨床特征的關系，如T2*WI[2]、磁敏感加權成像(susceptibility weighted imaging, SWI)[3-4]及定量磁敏感圖(quantitative susceptibility mapping, QSM)[5-6]等。SWI是在T2*梯度回波序列基礎上發(fā)展而來，可更敏感地顯示組織內鐵沉積情況，后處理較QSM簡單，可用于檢測PD患者腦核團鐵沉積[3,7]。紋理分析技術是基于像素灰度分布和相鄰像素灰度值對圖像紋理進行量化分析的方法[8]。既往研究[9]表明，通過紋理分析可捕捉認知能力下降PD患者腦內信號輕微改變，基于共現矩陣紋理分析可發(fā)現PD患者大腦結構紋理中尚無法被視覺評估的變化[10]。本研究探討基于腦深部核團SWI序列自回歸模型紋理分析診斷PD的價值。

1 資料與方法

1.1 一般資料 收集2017年9月—2019年11月鄭州大學第一附屬醫(yī)院收治的60例PD患者(PD組)，男29例，女31例，年齡41～79歲，平均(55.9±8.6)歲；病程0.25～11.00年，中位病程3.00(1.58，5.00)年；Hoehn-Yahr(H-Y)分級1～5級，中位分級2.5(1.5,3.0)級；PD綜合量表(UPDRS-Ⅲ)評分18～101分，平均(45.00±30.20)分；簡易精神狀態(tài)檢查(mini-mental state examination, MMSE)量表評分11～29分，中位評分23.00(21.00,26.00)分；蒙特利爾認知評估(Montreal cognitive assessment, MoCA)量表評分9～29分，平均(19.25±4.96)分；均符合英國腦庫PD診斷標準，圖像質量佳。

另選年齡、性別相匹配的30名健康志愿者為對照組，男、女各15名，年齡41～76歲，平均(59.3±9.9)歲。本研究通過院倫理委員會批準，所有受試者均簽署知情同意書。

1.2 儀器與方法 采用Siemens Prisma 3.0T MR掃描儀，64通道頭部線圈。掃描時囑患者仰臥，使線圈十字中心位于眉間，行常規(guī)平掃T1W、T2W、DWI及SWI掃描。SWI參數：FOV 15°，TR 27 ms，TE 20 ms，層厚1.5 mm，層間距0 mm，視野220 mm×220 mm，矩陣256×246。

1.3 圖像分析 以平掃圖像為參考，以BMP格式將符合要求的SWI圖像自圖像存儲與傳輸系統(tǒng)(picture archiving and communications system, PACS)工作站導出，確保所有圖像窗寬、窗位保持一致。采用MaZda軟件(Version 4.6，http://fwww.eletel.p.lodz.pl/mazda)進行紋理分析，圖像標準化控制在μ±3δ，分別于顯示雙側尾狀核頭、殼核、蒼白球及丘腦最大且最清晰層面手動勾畫并充填ROI，在黑質、紅核同時顯示最佳的層面及其相鄰2個層面上勾畫黑質及紅核ROI(圖1)，提取自回歸模型紋理特征參數值(包括Teta1、Teta2、Teta3、Teta4及Sigma)。由1名醫(yī)學影像學研究生在2名主治醫(yī)師指導下完成勾畫。

1.4 統(tǒng)計學分析 采用SPSS 25.0統(tǒng)計分析軟件。以±s表示經Shapiro-Wilk檢驗符合正態(tài)分布的計量資料，組間比較采用獨立樣本t檢驗；以中位數(上下四分位數)表示不符合者，采用Mann-WhitneyU檢驗進行比較。以MedCaIc軟件基于組間差異有統(tǒng)計學意義的參數建立ROC曲線，計算AUC，評價其診斷PD的效能。雙變量均為正態(tài)分布時，采用Pearson相關性分析，否則采用Spearman相關性分析。P<0.05為差異有統(tǒng)計學意義。

2 結果

PD組與HC組間蒼白球Teta1及Sigma、丘腦Teta2及Teta3、紅核Teta2及Teta4差異均有統(tǒng)計學意義(P均<0.05)，見表1。ROC曲線結果顯示，蒼白球Sigma診斷PD的AUC最大，為0.753，其敏感度及特異度分別為90.00%、60.00%；其次為丘腦Teta2，AUC、敏感度及特異度分別為0.706、73.33%及66.67%；見表2及圖2。

表1 PD組與HC組各核團紋理特征參數值比較

表2 PD組與HC組差異有統(tǒng)計學意義的核團參數的ROC曲線分析結果

圖2 蒼白球Teta1及Sigma、丘腦Teta2及Teta3、紅核Teta2及Teta4診斷PD的ROC曲線

各核團組間差異有統(tǒng)計學的紋理特征參數中，僅丘腦Teta3與MoCA評分呈負相關(r=-0.28，P=0.03)，其余與病程及各量表評分均無明顯相關(P均>0.05)。

3 討論

MaZda軟件是有效的圖像定量分析工具，被廣泛用于包括醫(yī)學在內的多個領域。自回歸模型紋理分析是MaZda軟件計算紋理特征的方法之一，該模型假設圖像像素之間存在局部交互，中心像素的灰度值由其左、上、左上及右上相鄰體素灰度值的加權和表示[11]；該模型不同于一階直方圖紋理分析僅單純計算單體素灰度強度及空間分布，還考慮到鄰近體素灰度值的影響。有學者[9]認為腦結構及功能改變可引起相應腦區(qū)MRI信號改變，并可影響相應腦區(qū)的灰度強度及分布，而這種灰度改變有可能被紋理分析識別；由此推測，PD患者腦鐵分布及含量發(fā)生改變引起的腦區(qū)SWI信號減低及灰度變化也可被紋理分析所捕捉。

自回歸模型紋理分析包括5個特征參數，其中Teta1、Teta2、Teta3及Teta4表示中心像素周圍4個像素灰度值的加權和，反映相鄰像素間的關系；Sigma表示最小預測誤差方差，代表高斯和離群過程的混合[11-12]。本研究提取SWI的自回歸模型紋理特征，比較PD組與HC組尾狀核頭、殼核、蒼白球、丘腦、黑質及紅核深部核團的紋理參數。相比HC組，PD組丘腦Teta2參數值減低，蒼白球Teta1、丘腦Teta3、紅核Teta2及Teta4參數值升高。Teta2參數減低提示其所代表的中心像素周圍相鄰像素灰度值加權和減小(整體信號減低)，可能與這些像素的鐵質含量增加有關，然而這并不能解釋蒼白球Teta1、丘腦Teta3、紅核Teta2及Teta4參數值升高。有學者[13-14]認為過量的腦鐵沉積是神經退行性改變的原因之一，神經元丟失后導致膠質細胞增生，參數值升高可能與相應像素區(qū)膠質細胞增生有關。本研究中PD組蒼白球Sigma參數值較HC組減小，提示相鄰像素灰度強度的差異較小[12]；但不同于大多數研究[15]所顯示的PD患者黑質含鐵量增加，本研究中2組間黑質處各紋理參數值差異均無統(tǒng)計學意義，可能與黑質處大量鐵沉積明顯抑制SWI信號有關[4]。

對組間差異有統(tǒng)計學意義的參數進行ROC曲線分析，結果顯示蒼白球Sigma對PD的診斷效能最高，AUC為0.753，敏感度及特異度分別為90.00%和60.00%，其次為丘腦Teta2，AUC為0.706，與既往研究[16-17]中基于QSM、R2*圖、T2液體衰減反轉恢復序列紋理參數對PD的診斷效能分析結果相近。SWI對技術要求不高，后處理相對簡單，顯示黑質、紅核等小核團尚佳，臨床應用價值甚高。

丘腦是皮層、皮層下和小腦回路的關鍵聯絡點，與PD認知功能改變相關[18-19]。BETROUNI等[9]基于T1WI比較認知功能輕度減退、認知功能缺失及健康對照者包括丘腦在內的6個腦區(qū)紋理特征及腦區(qū)體積，發(fā)現3組間海馬、丘腦及杏仁體處的偏度及熵值差異有統(tǒng)計學意義，且這種差異在腦區(qū)體積未發(fā)生改變的輕度認知功能減退PD患者中已經存在，表明紋理分析可在PD患者腦區(qū)萎縮前識別早期認知功能改變。本研究中丘腦Teta3參數值與MoCA評分呈負相關，提示自回歸模型紋理分析有助于早期評估PD患者認知功能。

綜上所述，SWI自回歸模型紋理分析可為診斷PD提供客觀依據，對評估PD患者認知功能具有一定價值。但本研究存在一定局限性：①采用bmp格式圖像提取特征，而原始圖像為DICOM格式；②樣本量較??；③手工勾畫ROI難免存在誤差，尤其對于黑質、紅核等較小核團；④僅提取針對核團單一層面或部分層面的紋理信息，可能造成部分信息丟失；⑤未比較左、右側核團數據差異；⑥僅針對SWI，SWI與QSM、DKI等序列聯合進行多模態(tài)MRI紋理分析可能更具價值。