基于人工智能彌散張量成像應(yīng)用進展

勝照友，蔣國璋，劉 融

(1.武漢科技大學(xué)機械自動化學(xué)院，湖北 武漢 430081；2.武漢科技大學(xué)附屬普仁醫(yī)院醫(yī)學(xué)創(chuàng)新與轉(zhuǎn)化研究所，3.骨科，湖北 武漢 430081)

彌散張量成像(diffusion tensor imaging, DTI)是重要的MR檢查方法，與傳統(tǒng)灰度或彩色醫(yī)學(xué)圖像不同，其圖像是復(fù)雜的彌散張量數(shù)據(jù)場[1]。對于復(fù)雜多樣的DTI特征，傳統(tǒng)手動分析效率及準確率均較低。作為一門新興技術(shù)學(xué)科，人工智能(artificial intelligence, AI)迅速發(fā)展，已在醫(yī)學(xué)圖像分析與處理領(lǐng)域展現(xiàn)出重要價值[2]。本文對基于AI的DTI技術(shù)應(yīng)用進展進行綜述。

1 DTI技術(shù)

DTI是以水分子彌散在不同傳播介質(zhì)中呈現(xiàn)不同方向和速率為基礎(chǔ)原理的成像方法[3],可在三維空間中準確追蹤并表達水分子多方向擴散程度，反映組織結(jié)構(gòu)的變化，并轉(zhuǎn)化為圖像和各種特征參數(shù)。DTI技術(shù)可通過特征參數(shù)在微觀領(lǐng)域評價組織結(jié)構(gòu)的完整性，提供疾病的病理信息以輔助診斷，目前已廣泛用于臨床。但DTI數(shù)據(jù)繁多，數(shù)據(jù)處理過程復(fù)雜，難以精確分析。結(jié)合AI技術(shù)可有效提高數(shù)據(jù)處理及分析能力，減少工作量，增加數(shù)據(jù)分析的準確性。

2 DTI數(shù)據(jù)分析方法

2.1 常規(guī)分析方法 常用DTI數(shù)據(jù)分析方法主要有3種：①基于ROI分析，如SNOOK等[4]采用基于ROI方法對50名健康志愿者的特定腦結(jié)構(gòu)進行分析，發(fā)現(xiàn)隨著年齡增長，腦部結(jié)構(gòu)變化趨于廣泛；②基于體素分析(voxel-based analysis, VBA)，如SENDA等[5]采用VBA分析方法檢測在大腦病理變化基礎(chǔ)上的組織損傷，可更好地利用DTI空間信息；③基于纖維束追蹤的空間統(tǒng)計分析(track-based spatial statistics, TBSS)，如TAN等[6]采用基于TBSS分析方法觀察2型糖尿病患者腦白質(zhì)微結(jié)構(gòu)變化。然而常規(guī)分析方法對一些不相關(guān)或冗雜DTI特征的識別力不足，不能準確提取具有強相關(guān)的關(guān)鍵特征，可能降低DTI分析結(jié)果的準確率和可靠性，甚至導(dǎo)致誤診。

2.2 基于AI分析方法 與常規(guī)分析方法相比，基于AI分析方法可自大量DTI數(shù)據(jù)中提取有效特征信息，去除冗余信息，減少數(shù)據(jù)處理工作量，使分析結(jié)果更加精確。周智美等[7]應(yīng)用DTI觀察輕微認知障礙高危個體的腦白質(zhì)微結(jié)構(gòu)，通過邏輯回歸(logistic regression, LR)分析發(fā)現(xiàn)穹隆和左海馬旁回白質(zhì)微結(jié)構(gòu)改變值得關(guān)注。LR分析方法有助于從眾多影響因素中檢出最主要信息，有效提高工作效率。JIN等[8]比較不同算法分析頸椎病DTI數(shù)據(jù)的性能，發(fā)現(xiàn)徑向基函數(shù)核支持向量機構(gòu)建的AI模型分析DTI特征的準確率達89.7%，證實了基于AI分析方法的高效性。結(jié)合表1所列各類分析軟件可更加高效精確地處理DTI數(shù)據(jù)。

表1 DTI數(shù)據(jù)分析工具

3 DTI的臨床應(yīng)用

作為觀察腦部微觀結(jié)構(gòu)的主要方法，DTI對研究中樞神經(jīng)系統(tǒng)疾病的病理變化具有重要意義。面對復(fù)雜的DTI數(shù)據(jù)，研究人員應(yīng)用各種分析方法并結(jié)合AI技術(shù)處理數(shù)據(jù)，以提高數(shù)據(jù)分析的效率及準確性，為臨床提供更多的信息。

3.1 頸椎病 頸部結(jié)構(gòu)復(fù)雜，頸椎病易伴發(fā)神經(jīng)血管、脊髓或軟組織等一系列并發(fā)癥，給診斷和治療造成一定困難。隨著DTI技術(shù)的廣泛應(yīng)用，采用不同方法對頸椎病進行研究，均取得了較佳效果。JIN等[8]建立徑向基函數(shù)核支持向量機(radial basis function kernel support vector machine, RBF-SVM)AI模型，對432個DTI特征進行分析，結(jié)果表明，RBF-SVM算法預(yù)測頸椎病預(yù)后的準確率最高達89.7%±1.6%，敏感度為85.0%±3.4%。LI等[16]提出一種基于加權(quán)方向熵(orientation entropy, OE)分析DTI數(shù)據(jù)方法，用于輔助診斷16例頸椎病患者，其準確率及敏感度分別為93.10%和96.15%，較傳統(tǒng)神經(jīng)體征水平診斷方法分別提高了17.24%和19.23%。通過AI方法提取與分析頸椎病DTI特征，可選擇關(guān)鍵數(shù)據(jù)信息、降低冗余信息干擾，相較傳統(tǒng)分析方法，診斷準確率提高了15%～20%；基于加權(quán)OE并結(jié)合前后壓縮比分析方法的準確率較LR模型和SVM模型提高了18.9%和3.4%[8,17]。上述研究表明，基于AI方法的DTI用于診斷頸椎病及評估治療效果是可行且有效的。

3.2 帕金森病(Parkinson disease, PD) PD是一種常見的神經(jīng)退行性疾病，應(yīng)用DTI技術(shù)可檢測患者腦白質(zhì)結(jié)構(gòu)受損情況，各種分析方法在PD中表現(xiàn)出較好的應(yīng)用價值。SABAU等[18]提出一種DTI上殼核區(qū)域自動檢測算法用于診斷PD和評估預(yù)后，通過觀察47例PD患者，發(fā)現(xiàn)自動檢測算法對左側(cè)殼核區(qū)域的檢測準確率最高為93.83%，而右側(cè)區(qū)域僅73.90%，可能與PD更易累及左腦有關(guān)，由此證實了自動檢測算法的可行性，檢測準確且耗時較少。ZHENG等[19]應(yīng)用DTI技術(shù)，以ROI分析方法觀察16例認知程度不同PD患者認知領(lǐng)域微觀結(jié)構(gòu)，采用FSL軟件處理數(shù)據(jù)，結(jié)果表明PD患者大腦皮層下網(wǎng)絡(luò)映射可能有助于分析其認知障礙的原因，并以體素分析方法加以驗證，為進一步深入研究提供了參考。利用DTI技術(shù)可觀察PD病理改變，基于卷積神經(jīng)網(wǎng)絡(luò)和殼核區(qū)域自動檢測算法的AI技術(shù)具有自動檢測、分類診斷的優(yōu)勢，準確率高達86%[20]，能為臨床提供可靠的影像學(xué)依據(jù)；然而個體差異及自身組織類型、位置、形狀變化亦會對檢測結(jié)果產(chǎn)生一定影響，有待進一步深入研究。

3.3 三叉神經(jīng)痛(trigeminal neuralgia, TN) TN是常見腦神經(jīng)疾病，基于DTI的AI分析方法有利于觀察患者腦白質(zhì)微結(jié)構(gòu)異常，從而輔助診斷。李丹等[21]采用基于TBSS方法分析38例TN患者和38名健康志愿者的腦部DTI數(shù)據(jù)，發(fā)現(xiàn)TN患者全腦白質(zhì)微結(jié)構(gòu)FA值較正常人降低2.12%、MD值增加2.92%；且TN患者胼胝體等神經(jīng)纖維存在多項DTI參數(shù)異常，提示其全腦白質(zhì)完整性受到廣泛破壞，表明TN患者腦白質(zhì)微結(jié)構(gòu)變化與其痛覺傳導(dǎo)通路上的白質(zhì)脫髓鞘及繼發(fā)炎性改變存在相關(guān)性，推測TN患者臉部疼痛程度可能與腦白質(zhì)纖維束變化程度有關(guān)。ZHANG等[22]利用DTI技術(shù)觀察24例TN患者三叉神經(jīng)微觀結(jié)構(gòu)，以SVM方法分析DTI數(shù)據(jù)作為判斷TN的特征，準確率達76%。

綜上所述，PD作為唯一可無創(chuàng)顯示活體腦白質(zhì)纖維束的方法，DTI技術(shù)可用于檢測常規(guī)成像技術(shù)無法顯示的微結(jié)構(gòu)異常。AI新算法的應(yīng)用普遍提高了DTI數(shù)據(jù)的分析效率、準確率及敏感度等。在圖像配準、圖像融合、空間標準化和平滑處理以及自動消除圖像運動偽影等方面，各種醫(yī)學(xué)圖像處理軟件展現(xiàn)了強大的性能；在對不同數(shù)據(jù)分別進行標準化、正則化、可視化及統(tǒng)計學(xué)分析等方面，AI方法可極大地減少醫(yī)師的工作量，在一定程度上提高工作效率和質(zhì)量。目前AI尚存一定局限性：①選取ROI存在主觀性，且不具重復(fù)性；②應(yīng)用算法不夠成熟；③部分數(shù)據(jù)分析工具的功能有待提高。