多发性硬化患者脑磁共振图像的纹理分析

多发性硬化（MS）是一种以脱髓鞘和轴索损伤为病理特征的慢性炎性疾病，主要累及脑组织、视神经、脊髓等，可出现视觉障碍、肢体瘫痪、共济失调等症状。MS患者发病年龄早、起病急，患者人群多在30岁左右，是中青年非外伤性终生致残和丧失劳动能力以致死亡的最常见原因之一[1-3]。近年国内外MS的发病率均有上升趋势，MS的研究也越来越受到医学界的重视。MS若能早期及时就诊，脱离的髓鞘可再生，对控制复发、改善预后具有重要意义[4]。

MRI技术是诊断MS的重要手段[5,6]。常规MRI显示90%左右具有明确形态的MS可见病灶[7,8]，然而却无法直接观察到MS患者表现正常脑白质中存在的隐匿性弥散病变。Armspach等[9]经尸检证实MS患者MRI表现正常脑白质中有微观病变存在，包括胶质细胞增生、片状水肿、血管周围渗出、异常薄的髓鞘及轴索丢失等。如果能够利用图像分析技术深入解析MR图像，对表现正常脑白质（normal appearing white matter, NAWM）与健康对照脑白质（normal white matter, NWM）进行识别，有助于MS的早期诊断。

纹理分析是医学图像后处理的重要手段，能定量显示图像像素值及其排列方式的细微变化[10]，称为图像的放大镜和显微镜，目前常用来提取图像中组织细微病变的特征[11]。神经脱髓鞘病变及随之出现的炎症、肿胀等病理改变在MR图像中必然表现出灰度值及排列方式改变。本研究拟通过纹理分析的灰度差分统计法及游程长矩阵从常规MR图像中提取纹理特征，研究MS患者病灶区脑白质（LWM）、NAWM和NWM的纹理特征之间是否存在显著差异揭示MS的隐匿性病变，为MS的早期诊断和病情监控提供更多有价值的信息。

1 资料与方法

1.1 研究对象 选取2005-01～12首都医科大学附属宣武医院经临床确诊的MS患者和健康志愿者（对照组）各26例，其中MS患者男9例，女17例；年龄18～55岁，平均（32.0±9.9）岁；病程1～20年，平均（5.1±5.0）年，扩展残疾功能状态量表（expanded disability status scale,EDSS）评分1～5分，平均（2.9±1.5）分。26例对照组受试者神经系统检查正常，其中男9例，女17例，年龄19～58岁，平均（32.5±10.2）岁。两组性别、年龄差异无统计学意义（P＞0.05），具有可比性。

1.2 仪器 采用Sonata 1.5T MR扫描仪，所有受试者行快速自旋回波T2WI（TR/TE=5460/94 ms）横轴位连续30层覆盖全脑扫描。扫描层厚4 mm，层间隔0.4 mm，梯度场 40 mT/m，切换率 200 mT/（m·ms），视野240 mm×220 mm，矩阵256×224。分别在MS患者的MR T2WI LWM、NAWM及对照组NWM提取大小为32×32像素的感兴趣区（ROI）（图1），组成样本集，3组共计78个样本。

1.3 研究方法 本文利用灰度差分统计法和游程长矩阵对MS患者及对照组的MR图像进行纹理分析[12,13]。1.3.1 灰度差分统计法 灰度差分统计法的基本原理是描述纹理图像各像素及其相邻像素之间的灰度变化情况，是纹理分析最常见的方法[12]。设图像中某点为(x,y)，则它与距其距离较短的点(x+Δx, y+Δy)的灰度差值为：

g△(x, y)就称为灰度差分。通过将点(x, y)在整幅图像上遍历，得到各点的g△(x, y)，设灰度差分值可取m级，统计g△(x, y)取各个值的次数，即可以绘出g△(x, y)的直方图，最后根据直方图确定g△(x, y)取各个值时对应的概率PΔ(i)。

当i的值较小、对应的概率PΔ(i)较大时，说明纹理比较粗糙；反之，如果概率分布平稳，说明纹理细密。可见纹理特征与PΔ(i)密切相关。本研究提取对比度、能量、熵和平均值4个参数来描述纹理特征：

1.3.2 游程长矩阵 游程长矩阵的基本思想是在某个方向上、相邻具有相同灰度或某个灰度范围的像素个数，是对图像灰度关系的高阶统计。在相同大小的区域中，若粗纹理较多，长游程就多，而总游程数少；细纹理较多，短游程就多，而总游程数多。因此，游程也可以反映图像纹理的粗细程度。

游程长矩阵的元素c(i, j)定义为在灰度正规化的图像F(m, n)上同时具有灰度值为i和游程长度为j的像素组出现的次数，游程长与灰度级数、长度、方向等因素有关。c(i, j)归一化后，可得到p(i, j)。游程长矩阵可以提取多个纹理描述符，本文提取了4个经常用到的传统参量，分别为短游程因子、长游程因子、灰度不均匀度因子和游程长不均匀度因子：

1.4 统计学方法 采用SPSS 13.0软件，对所提取的LWM、NAWM和NWM样本的纹理参数比较行方差分析，P＜0.05表示差异有统计学意义。

2 结果

方差分析显示，3组样本各纹理特征均存在单调变化趋势，其中能量在LWM、NAWM、NWM 3组中呈递增趋势（F=99.178,P＜0.001），对比度、熵和平均值呈递减趋势（F=45.947、95.637、77.837,P＜0.001）。长游程因子和灰度不均匀度因子在3组中呈递增趋势（F=11.456、102.747,P＜0.001）；短游程因子和游程长不均匀度因子呈递减趋势（F=54.195、51.087,P＜0.001），见表 1。

两两比较显示，LWM、NAWM、NWM样本间除对比度、长游程因子和灰度不均匀度因子在NAWM和NWM组间差异无统计学意义（P＞0.05）外，其余两两比较，差异均有统计学意义（P＜0.05、P＜0.001）。

3 讨论

早在1979年，Allen等[14]运用组织学、生物化学等方法对MS患者NAWM进行系统研究，显微镜下观察14例患者的34份标本，其中72%的标本存在病变。随着病情发展，有些NAWM在一段时期以后会出现脱髓鞘病灶，即MS发病早期，在主观症状及常规MRI可见明确的MS形态特征之前，脑白质中已经发生了一些常规MRI无法显示的微观变化。然而在MS早期仅有细微的病理变化时，利用常规检查手段，如测量病灶的体积和数量等都很难检测MS[15]。因此，研究LWM病理组织和NWM（或NAWM）组织在微观上的差异，从而更早地诊断MS显得尤为重要。

表1 灰度差分统计法和游程长矩阵提取的MRI上MS患者LWM、NAWM及正常对照组NWM纹理特征比较

应用纹理分析技术研究图像像素灰度值变化规律及其分布模式能够敏感地反映机体组织病理的细微变化。如果能够利用图像分析技术深入解析MR图像，探测脱髓鞘早期微观变化将有助于MS的早期诊断。本研究利用纹理分析的灰度差分统计法和游程长矩阵对MS患者常规MRI T2WI图像的灰度信息进行特征提取，以探索检测MS患者隐匿性病变的新方法。

本研究结果显示，所提取的8个纹理特征在LWM、NAWM、NWM 3组间均呈单调变化趋势，能量呈递增趋势，对比度、平均值和熵呈递减趋势，长游程因子和灰度不均匀度因子呈递增趋势，短游程因子和游程长不均匀度因子呈递减趋势。

能量描述的是图像灰度均匀分布的特性，粗纹理的能量值较大，细纹理的能量值较小。对比度描述图像的清晰度，是对局部灰度变化的度量，反映邻近像素的反差。粗纹理的对比度值较小，细纹理的对比度值较大。熵表示图像中纹理的非均匀程度或复杂程度，粗纹理的熵值较小，细纹理的熵值较大。粗纹理的P(i)在零点附近比较集中，因此其平均值比细纹理的要小。本研究中能量、对比度、熵、平均值参数的变化趋势均与此一致。

游程长矩阵是分析纹理特性的有效方法。在粗纹理区域的灰度游程长度较长，长游程的数目较多，长游程因子值较大；而在细纹理区域，短游程长度的情况比较多，则短游程因子值较大[12]。本研究结果显示长游程因子与短游程因子的变化趋势相反，短游程因子递减，长游程因子递增。若图像中各灰度的游程长度接近均匀分布，则灰度不均匀度因子取最小值，说明整个图像的灰度分布并不均匀。如果图像中某种灰度出现较多，即灰度都比较均匀，则该值越大。游程长不均匀度描述图像中游程长度的相似性，如果整幅图像的游程长度较相似，则游程长不均匀度的值较小[12,16]。MS患者脑组织受损，MR图像的游程分布及游程长度也会相应地发生变化。

无论呈上升或下降趋势，8种纹理特征中NAWM均处于LWM和NWM之间，完全符合从正常脑白质经MS隐匿性病变到有形病灶的病理发展过程。3组样本间除对比度、长游程因子和灰度不均匀度因子在NAWM和NWM组间无显著差异外，其余均存在显著差异。这是由于LWM 和 NWM及NAWM的纹理差异较大，而NAWM和NWM之间的差异不大，与肉眼观察一致，并经研究结果证实[15,17]。

总之，本研究利用灰度差分统计法和游程长矩阵对MS患者及健康志愿者的脑部MR图像进行了纹理分析，结果显示，NAWM与LWM及NWM的纹理特性均存在显著差异，可能有助于MS的早期诊断。由于影响疾病的因素多种多样，仍需要进一步扩充和完善样本集进行深入研究。

[1]Steinman L, Zamvil S. Transcriptional analysis of targets in multiple sclerosis. Nat Rev Immunol, 2003, 3(6): 483-492.

[2]张燕辉, 陈彪. 多发性硬化及其研究进展. 中国康复理论与实践, 2005, 11(7): 555-557.

[3]Haselhorst R, Kappos L, Bilecen D, et al. Dynamic susceptibility contrast MR imaging of plaque development in multiple sclerosis: application of an extended blood-brain barrier leakage correction. J Magn Reson Imaging, 2000, 11(5):495-505.

[4]任增光. 多发性硬化的MRI早期诊断及临床表现. 医学影像学杂志, 2010, 20(5): 753-754.

[5]郑奎宏, 马林, 史丽静, 等. 脱髓鞘性假瘤增强磁共振表现.中国医学影像学杂志, 2010, 18(4): 368-371.

[6]于春水, 李坤成. MRI技术在多发性硬化中的应用进展. 临床放射学杂志, 2003, 22(12): 1067-1070.

[7]Ormerod IE, Miller DH, Mcdonald WI, et al. The role of NMR imaging in the assessment of multiple sclerosis and isolated neurological lesions. A quantitative study. Brain, 1987, 110 (6):1579-1616.

[8]郑卫权, 赵修义, 张雪林, 等. 多发性硬化的磁共振诊断.放射学实践, 2002, 17(5): 393-395.

[9]Armspach JP, Gounot D, Rumbach L, et al. In vivo determination of multiexponential T2 relaxation in the brain of patients with multiple sclerosis. Magn Reson Imaging, 1991,9(1): 107-113.

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

[11]Zhang Y, Zhu H, Ferrari R, et al. Texture analysis of MR images of minocycline treated MS patients. MICCAI, 2003,2878: 786-793.

[12]许录平. 数字图像处理. 北京: 科学出版社, 2007: 10.

[13]阮秋琦. 数字图像处理学. 第2版. 北京: 电子工业出版社,2007: 2.

[14]Allen IV, McKeown SR. A histological, histochemical and biochemical study of the macroscopically normal white matter in multiple sclerosis. J Neurol Sci, 1979, 41(1): 81-91.

[15]Mathias JM, Tofts PS, Losseff NA. Texture analysis of spinal cord pathology in multiple sclerosis. Magn Reson Med, 1999,42(5): 929-935.

[16]Xu DH, Kurani AS, Furst JD, et al. Run-length encoding for volumetric texture. Marbella: Proceedings of the 4th IASTED International Conference on Visualization, Imaging, and Image Processing, 2004: 6-8.

[17]Zhang J, Tong L, Wang L, et al. Texture analysis of multiple sclerosis: a comparative study. Magn Reson Imaging, 2008,26(8): 1160-1166.