張星月,劉衛(wèi)芳

首都醫(yī)科大學 a.2015級長學制臨床醫(yī)學;b.生物醫(yī)學工程學院,北京 100069

輕度認知障礙及健康對照的分類研究

張星月a,劉衛(wèi)芳b

首都醫(yī)科大學 a.2015級長學制臨床醫(yī)學;b.生物醫(yī)學工程學院,北京 100069

目的研究輕度認知障礙(Mild Cognitive Impairment, MCI)患者腦部MR圖像的三維紋理特征,利用此特征對MCI和健康對照(Normal Control, NC)進行分類識別,以探索MCI診斷的新途徑.方法分別選取MCI患者和NC的腦部MR圖像各20例進行三維紋理分析,采用灰度共生矩陣和游程長矩陣提取每位受試者胼胝體的三維紋理特征.通過篩選得到組間存在顯著性差異的紋理特征參量,利用BP神經(jīng)網(wǎng)絡建立識別模型,對MCI和NC進行分類識別.結果訓練集和測試集的分類識別正確率分別為95.83%和93.75%.結論利用三維紋理特征的BP神經(jīng)網(wǎng)絡模型可以分類識別MCI和NC.

輕度認知障礙;阿爾茲海默癥;三維紋理分析;胼胝體;分類識別

引言

阿爾茲海默癥(Alzheimer's Disease,AD)是不可逆的神經(jīng)退行性病變,是老年癡呆中最常見的類型.輕度認知障礙(Mild Cognitive Impairment,MCI)是介于正常衰老和阿爾茲海默癥之間的一種中間狀態(tài).與年齡、受教育水平相當?shù)恼＠先讼啾?MCI患者存在輕度的認知功能衰退,但日常生活能力未受到顯著影響.研究顯示,大部分MCI患者將轉(zhuǎn)化為AD[1],故MCI是AD的高危人群,研究MCI對AD的預防和治療有重大意義.

研究人員對AD患者的核磁共振圖像研究主要集中于大腦灰質(zhì)的改變,但隨著醫(yī)學影像技術的發(fā)展,近年來對腦白質(zhì)受損的研究逐漸增多.意大利的Canu等[2]對AD患者腦部結構的研究表明:與正常人相比,AD患者的腦白質(zhì)微結構(胼胝體)發(fā)生了損傷.胼胝體由聯(lián)系兩側大腦半球的神經(jīng)纖維組成,可以傳遞雙側大腦半球的信息,是腦內(nèi)最大的聯(lián)合纖維[3].胼胝體的正中矢位邊界清晰,紋理特征較為集中,結構具有解剖異質(zhì)性,故被認為具有非常適合紋理分析的特點[4].有學者認為已經(jīng)轉(zhuǎn)化為AD的MCI患者與AD患者具有相似的大腦結構病變特征[5],所以MCI患者的胼胝體可能與AD患者出現(xiàn)相同的病理變化.

紋理分析作為醫(yī)學圖像后處理的重要手段,可以對圖像像素值及排列方式的細微變化進行定量顯示[6],被譽為圖像的quot;顯微鏡quot;.三維紋理分析目前已被用于多種疾病尤其是腦部疾病的研究[7-10].本研究將探討MCI組和NC組胼胝體的三維紋理參數(shù)是否具有顯著性差異,并利用BP神經(jīng)網(wǎng)絡對樣本進行分類識別,探索圖像紋理特征對AD早期診斷的啟示作用.

1 材料與方法

1.1 圖像數(shù)據(jù)獲取

研究數(shù)據(jù)來自國際公認標準ADNI(Alzheimer's Disease Neuroimaging Initiative)數(shù)據(jù)庫(www.loni.ucla.edu/ADNI).選取其中西門子公司3T掃描儀進行3D-磁化準備快速梯度回波(Magnetization Prepared Rapid Gradient Echo,MP-RAGE)掃描所得矢狀位T1W1圖像,共160層,層厚1.2 mm,無層間距.共獲得樣本40例,其中MCI組20例,NC組20例.2組平均年齡分別為71.54、76.98歲,平均MMSE評分分別為25.8、29.1分,見表1.

表1 研究對象基本資料

1.2 感興趣區(qū)提取

利用MaZda軟件(波蘭科技大學開發(fā)),選取所有受試對象的胼胝體作為感興趣區(qū)(Regions of interest,ROI).在矢狀位上,連續(xù)選取包括正中矢狀面在內(nèi)的左右共10個層面.在每一層面上手動分割出胼胝體,包括胼胝體嘴、膝、干及壓部,見圖1.

圖1 胼胝體結構示意圖

1.3 3D紋理分析

采用灰度共生矩陣方法和游程長矩陣方法對每位受試者的胼胝體感興趣區(qū)分別提取0°、45°、90°、135°和z方向(垂直于ROI方向)的三維紋理參數(shù),每個方向16個,包括角二階矩、對比度、相關、平方和、逆差矩、和均值、和方差、和熵、熵、差方差、差熵、游程長不均勻度、灰度不均勻度、長游程因子、短游程因子和行程比.分別計算每個ROI在5個方向上的平均紋理參數(shù).各紋理特征定義,見表2.

角二階矩是灰度共生矩陣元素值的平方和,反映了圖像灰度分布均勻程度和紋理粗細度.對比度反映了圖像的清晰程度和紋理溝紋的深淺程度,紋理溝紋越深,其對比度越大,視覺效果越清晰;反之,對比度越小,則溝紋淺,效果模糊.相關反映了圖像中局部灰度相關性,當矩陣元素值均勻相等時,相關值就大;相反,如果矩陣元素值相差很大則相關值小.逆差矩反映了圖像紋理的同質(zhì)性,度量圖像紋理局部變化的多少,其值大則說明圖像紋理的不同區(qū)域間缺少變化,局部非常均勻.熵反映了圖像中紋理的非均勻程度或復雜程度,當共生矩陣中所有元素有最大隨機性、空間矩陣中所有值幾乎相等時,共生矩陣中元素分散分布時,熵較大.方差是反映紋理變化快慢、周期性大小的物理量.值越大,表明紋理周期越大.游程長不均勻度描述圖像中游程長度的相似性,如果整幅圖像的游程長度較相似,則游程長不均勻度的值較小,說明圖像紋理較均勻.如果圖像中某個灰度出現(xiàn)較多,即灰度都比較均勻,灰度不均勻度因子越大,反之該值越小.長游程因子值越大,對應的圖像紋理越粗;短游程因子值越大,行程越短,對應的圖像紋理更細[11].

表2 紋理特征參數(shù)定義

1.4 統(tǒng)計學分析

對提取的三維紋理參數(shù)采用SPSS 17.0進行t檢驗,選取MCI和NC兩組間具有顯著性差異的紋理參數(shù)(α=0.05).

1.5 分類識別

選取胼胝體結構在2組間存在顯著性差異的紋理參數(shù)作為特征參量,將每組的20個樣本分為訓練集(12個)和測試集(8個),建立BP神經(jīng)網(wǎng)絡模型,進行樣本的分類識別.

2 結果

2.1 三維紋理參數(shù)

經(jīng)過統(tǒng)計學分析,MCI組和NC組三維紋理特征參數(shù)的平均值、標準差和t檢驗結果,見表3.可以看出:提取的16個參數(shù)中有9個參數(shù)在兩組間具有顯著差異(Plt;0.05),分別為對比度、相關、逆差矩、差方差、游程長不均勻度、灰度不均勻度、長游程因子、短游程因子和行程比.

表3 三維紋理參數(shù)均值及統(tǒng)計學分析

2.2 分類識別結果

選取兩組間具有顯著性差異的紋理參數(shù)作為特征參量,分別從MCI組和NC組中隨機選取12個樣本作為訓練集樣本,其余8個作為測試集樣本,利用BP神經(jīng)網(wǎng)絡建立識別模型對兩組樣本進行分類識別.訓練集和測試集的分類正確率,訓練集和測試集分別為95.83%和93.75%.可以看出,無論是訓練集還是測試集,分類正確率都在90%以上.

3 討論

ADNI 數(shù)據(jù)庫收集了大量AD、MCI 患者和健康對照者的MR 圖像數(shù)據(jù),是目前研究AD 影像學特點的具有權威性的數(shù)據(jù)庫.本研究選取其中的西門子公司3T 掃描儀T1WI 矢狀位圖像,共獲得MCI 組20例,NC 組20 例作為研究樣本集.

磁共振作為高端影像檢查手段在臨床上已經(jīng)使用了30余年,30年來的發(fā)展使磁共振的功能逐漸強大,包括功能成像、血管成像、動態(tài)掃描等功能已經(jīng)發(fā)展起來,掃描速度和圖像質(zhì)量也有巨大的提高.同時隨著磁共振技術的發(fā)展,涌現(xiàn)出了許多成像技術,如核磁共振波譜和磁共振成像(Magnetic Resonance Imaging,MRI)等.其中,MRI已經(jīng)應用于全身各系統(tǒng)的成像診斷.效果最佳的是顱腦,脊髓、心臟大血管、關節(jié)軟骨、軟組織及盆腔成像也有較好效果.但是,常規(guī)的MRI難以明確AD及MCI發(fā)病早期階段的影像學變化特點.

紋理分析作為醫(yī)學影像后處理的重要手段,可以定量的顯示圖像像素值及其排列方式的細微變化,被稱為圖像的放大鏡和顯微鏡,是目前提取圖像中組織細微的病理變化的常用手段.MR圖像紋理特征分析是圖像分析的重要方法,研究者普遍認為三維紋理特征能提供更豐富的信息,更有利于臨床輔助診斷[12].因此,本研究采用MR圖像進行圖像后處理,提取三維紋理參數(shù)進行分析,以期對MCI診斷起到輔助作用.

有研究顯示,AD患者腦部會在海馬、胼胝體、內(nèi)嗅皮質(zhì)、小腦、額葉等多個區(qū)域發(fā)生形態(tài)學改變,這些部位萎縮較為明顯,極有可能是AD早期萎縮的好發(fā)部位[13-16].MCI患者作為AD的高危人群,其腦部病理變化與AD具有高度的相似性[17].患者腦白質(zhì)發(fā)生病理改變,主要表現(xiàn)在髓鞘、軸突等限制水分子擴散的結構受到損傷,神經(jīng)纖維減少等.這些病理變化將引起腦部MR圖像的灰度變化,導致三維紋理特征的改變.相較于海馬,胼胝體更具有解剖異質(zhì)性,紋理更為集中,在進行ROI的選擇時更易于操作,因此在利用腦MR 圖像紋理特征進行AD 早期診斷的研究中也具有重要的參考價值.

BP神經(jīng)網(wǎng)絡是一種按照誤差逆向傳播算法訓練的多層前饋神經(jīng)網(wǎng)絡,具有任意復雜模式分類能力和優(yōu)良的多維函數(shù)映射能力,被廣泛應用在模式識別、工程、經(jīng)濟、自動化等領域.本研究采用BP神經(jīng)網(wǎng)絡模型對隨機分組的訓練集、測試集進行分類識別,其正確率均超過90%,說明BP神經(jīng)網(wǎng)絡對MCI和NC的胼胝體三維紋理特征具有良好的分類識別效果.

4 結論

MCI患者胼胝體紋理可發(fā)生病理改變,MR圖像的三維紋理分析可以描述這一改變.利用紋理特征建立BP神經(jīng)網(wǎng)絡可以較好的分類識別MCI和NC,有利于MCI的影像學輔助診斷,從而有效地控制和預防AD的發(fā)生發(fā)展.本研究樣本量有限,對實驗結果還應在擴大樣本量的基礎上結合其他紋理提取、分類方法加以驗證,同時還需隨MR圖像精度的提高而進一步確認.

[1] 尹昌浩,郭艷琴.輕度認知障礙的研究進展[J].醫(yī)學研究生學報,2012,5(9):977-980.

[2] Canu E,Agosta F,Spinelli EG,et al.White matter microstructural damage in Alzheimer's disease at different ages of onset[J].Neurobiol Aging,2013,34(10):2331-2340.

[3] 謝晟,武鴻坤,肖江喜,等.胼胝體壓部FA值在輕度Alzheimer病中的診斷價值[J].實用放射學雜志,2006,22(9):1025-1027.

[4] de Oliveira MS,Balthazar ML,D'Abreu A,et al.MR imaging texture analysis of the corpus callosum and thalamus in amnestic mild cognitive impairment and mild Alzheimer disease[J].AJNR Am J Neuroradiol,2011,32(1):60-66.

[5] Misra C,Fan Y,Davatzikos C.Baseline and longitudinal patterns of brain atrophy in MCI patients, and their use in prediction of short-term conversion to AD: Results from ADNI[J].NeurImage,2009,44(4):1415-1422.

[6] Castellano G,Bonilha L,Li LM,et al.Texture analysis of medical images[J].clin Radiol,2004,59(12):1061-1069.

[7] Georgiadis P,Cavouras D,Kalatzis I,et al.Enhancing the discrimination accuracy between metastases, gliomas and meningiomas on brain MRI by volumetric textural features and ensemble pattern recognition methods[J].Magn Reson Imag,2009, 27(1):120-130.

[8] El-Baz A,Casanova MF,Gimelfarb G,et al.Autism diagnostics by 3D texture analysis of cerebral white matter gyrification[J].Med Image comput Assist Interv,2007,10(2):882-890.

[9] Mahmoud-Ghoneim D,Toussaint G,Constans JM,et al.Three dimensional texture analysis in MRI: a preliminary evaluation in gliomas[J].Magn Reson Imag,2003,21(9):983-987.

[10] 熊婷,黃紹輝,黃曉陽,等.基于肺部CT的腫瘤形態(tài)與紋理的三維變化檢測[J].廈門大學學報(自然科學版),2016,55(3):401-405.

[11] 于魯,劉衛(wèi)芳.海馬與胼胝體3D紋理分析在阿爾茲海默癥診斷中的比較研究[J].中國醫(yī)療設備,2016,31(10):29-32.

[12] 夏翃,劉衛(wèi)芳,王旭,等.阿爾茨海默病患者腦MR圖像二維及三維紋理分析比較研究[J].北華大學學報(自然科學版),2013,14(5):553-556.

[13] Mcneely AA,Ramirez J,Nestor SM,et al.Cholinergic subcortical hyperintensities in Alzheimer's disease patients from the sunnybrook dementia study:relationships with cognitive dysfunction and hippocampal atrophy[J].J Alzheimers Dis,2015,43(3):785-796.

[14] Mavroudis IA,Fotiou DF,Adipepe LF,et al.Morphological changes of the human purkinje cells and deposition of neuritic plaques and neurofibrillary tangles on the cerebellar cortex of Alzheimer's disease[J].Am J Alzheimers Dis Other Demen,2010,25(7):585-591.

[15] Varon D,Barker W,Loewenstein D,et al.Visual rating and volumetric measurement of medial temporal atrophy in the Alzheimer's disease neuroimaging initiative (ADNI)cohort:baseline diagnosis and the prediction of MCI outcome[J].Int J Geriatr Psychiatry,2015,30(2):192-200.

[16] 樊東瓊,李銳,雷旭,等.阿爾茲海默癥及輕度認知障礙靜息態(tài)大尺度腦網(wǎng)絡功能連接的改變[J].心理科學進展,2016,24(2):217-227.

[17] 王東東,姜春暉,王儉.輕度認知障礙核磁共振擴散張量成像研究的Meta分析[J].磁共振成像,2016,7(2):81-89.

本文編輯 袁雋玲

Classification Studies in Patients with Mild Cognitive Impairment and Normal Control

ZHANG Xingyuea, LIU Weifangb
a.2015 Long System Clinical Medicine; b.School of Biomedical Engineering, Capital Medical University, Beijing 100069, China

ObjectiveThe aim of this study is to research the MR images 3D texture features of corpus callosum from the patients with mild cognitive impairment (MCI), and using the features to identify MCI and normal control (NC).Methods3D texture analysis was performed on 20 MCI patients and 20 NC. The three-dimensional texture features were extracted from corpus callosum by gray-level co-occurrence matrix and run length matrix. The texture features that existed significant differences between MCI and NC were used as the features in a classification procedure. Back propagation (BP) neural network model were built to classify MCI patients from NC.ResultsThe classification accuracy of the training set and test set was separately 95.83% and 93.75%.

ConclusionThe back propagation neural network model with three-dimensional texture features can recognize MCI patients and NC.

mild cognitive impairment; Alzheimer's disease; 3D texture features; corpus callosum; classification

R445.2;R318.04

B

10.3969/j.issn.1674-1633.2017.10.020

1674-1633(2017)10-0076-04

2017-06-19

2017-07-01

劉衛(wèi)芳,副教授,主要研究方向為醫(yī)學圖像處理.

通訊作者郵箱:liu3240@163.com