常规MRI图像纹理分析对颞叶癫痫海马硬化的诊断价值

马向宏，袁冠前，徐志华，杨本强*

癫痫是多种病因导致的以反复发作的神经元异常放电所致的短暂性中枢神经系统功能失常为特征的慢性神经系统疾病[1]。颞叶癫痫(temporal lobe epilepsy，TLE)根据异常放电位置的起源分为内侧型、外侧型、混合型。颞叶内侧结构(海马、杏仁核、内嗅觉皮层等)异常常可导致内侧颞叶癫痫的发生，其中海马硬化(hippocampal sclerosis，HS)可能是导致癫痫最主要的原因之一[2]。手术切除致痫灶是药物难治性癫痫行之有效的治疗方法，部分前颞叶、海马和海马旁回切除术可使70%以上的难治性颞叶癫痫发作得到有效控制[3]，因此术前病灶的准确定位已成为手术成功的关键因素。长期以来，关于原发性TLE海马硬化的早期诊断与准确定位一直是困扰临床医生的一大难题，以往的诊断方法主要有患者的临床表现、头皮脑电图(electroencephalography，EEG)、视频脑电图(video electroencephalography，VEEG)监测，其中常规脑电图及VEEG监测在TLE的定性诊断中有较高的价值[4]，但由于部分单侧TLE会发生双侧互不相关的间歇期痫性放电，甚至是出现对侧放电占优势，因此对癫痫灶定位、定侧存在较大缺陷，且头皮脑电图不论发作期或发作间期描记[5]，均不能确定是否存在HS。一些新技术如磁共振波谱(magnetic resonance spectroscopy，MRS)、脑磁图、多模态磁共振成像等技术的出现可以帮助进行癫痫的准确定位定性和深入研究[6-7]，但是这些序列的扫描时间长，患者所需费用高。纹理分析通过计算机后处理对医学图像的灰度分布、体素空间关系等灰阶信息进行分析，从而得到肉眼无法识别的图像信息，并能定量显示图像的像素值及其排列方式的细微变化[8]，提取图像中组织细微病变特征[9]，被称为图像的显微镜或放大镜，以其独有的优势成为了医学图像后处理的重要手段之一。目前已有文献报道医学图像纹理分析可用于海马硬化的诊断[10-12]。因此，本研究拟探讨常规MRI图像纹理分析对颞叶癫痫海马硬化的诊断价值。

1 材料与方法

1.1 一般资料

搜集我院2014年5月至2016年2月经手术病理证实的22例单侧早期颞叶癫痫海马硬化患者。男12例、女10例；年龄16～43岁，平均(29±8)岁。纳入标准如下：(1)通过手术活检病理证实为海马硬化；(2)术前在我院进行包括垂直于海马的斜冠状位T2 FLAIR序列在内的常规MRI检查；(3)确保无影响图像纹理分析的伪影。

1.2 MRI检查方法

所有患者均行常规MRI扫描(德国西门子Magnetom Verio 3.0 T MRI)。扫描序列包含轴位(T1 FLAIR、T2WI、T2 FLAIR)，矢状位(T2WI)及垂直于海马的斜冠状位T2 FLAIR。斜冠状位T2 FLAIR扫描参数如下：重复时间=8800 ms，恢复时间=96 ms，层厚=3 mm，层间距=0 mm；矩阵512×512。

1.3 图像纹理分析

1.3.1 图像选择

5种序列中，垂直于海马的斜冠状位是观察海马的最佳序列，因此笔者选用垂直于海马的斜冠状位T2 FLAIR作为特征提取的序列。以相同的格式将22例患者的MRI图像从PACS工作站导出。感兴趣区(region of interests，ROI)勾画时软件自动以数值的形式显示出ROI的大小，很好地保证了ROI大小的一致性，海马头部截面积最大，可勾画的ROI面积也最大，既保证了勾画位置的一致性，又能够相应地提取出更多的纹理特征，因此由具有神经影像诊断经验的医师选出海马头部斜冠状位T2 FLAIR序列的图像进行分析。

1.3.2 纹理分析

应用Mazda软件(The Technical University of Lodz, Institute of Electronics, http: //www.eletel.p.lodz.pl/mazda/)分析所选择图像，通过手动勾画ROI计算出该图像的纹理特征参数。纹理特征的计算、评估过程如下：由于斜冠状位T2 FLAIR序列显示海马较清晰，因此，由1名医师在此序列海马头处手动勾画ROI，使ROI的大小(12×12)保持一致，同时对ROI内图像进行纹理分析(图1)。

图1 ROI勾画及纹理分析示意图Fig.1 Diagram of ROI outline and texture analysis

利用Mazda软件对纹理特征进行计算。由于所提取的纹理特征较多，需要先选出最具代表海马硬化的纹理特征，纹理特征参数包括以下：(1)灰度共生矩阵(gray-level co-occurrence matrix，GLCM)：角矩、二阶矩、对比度、自相关、方差和、逆差矩、平方和、方差和、熵和、熵、逆差矩、熵差；(2)绝对梯度(absolute gradient，GRA)：梯度均数、方差、偏度、峰度、非零位；(3)游程检验(run-length matrix，RUN)：游程长不均匀性、灰阶不均匀性、长游程权重、短游程权重、游程中的图像分数。Mazda可提供3种能够自动选择出10个最有意义诊断海马硬化特征的方法，包括Fisher系数(fisher coefficient，Fisher)、交互信息(mutual information，MI)、分类错误概率组合平均相关系数(classification error probability combined average correlation coefficients，POE+ACC)，以及3种方法联合，简称为FPM。同时，由2名影像医师在未知病理结果的情况下共同分析22例患者的MRI图像，得出诊断结果，诊断过程中出现不同意见时，通过协商取得一致意见。以病理结果作参考标准，得出影像医师诊断的误判率，并与通过纹理分析所得的结果进行对比分析。

1.4 统计学分析

应用B11统计软件(Mazda软件包中自带)根据所选择的纹理特征，对硬化的海马及正常海马进行分类。主要包括以下4种统计方法：线性判别分析(linear discriminant analysis，LDA)、非线性判别分析(nonlinear discriminant analysis，NDA)、原始数据分析(raw data analysis，RDA)、主要成分分析(principal component analysis，PCA)。斜冠状位T2 FLAIR序列图像区分硬化海马及正常海马的结果以错判率的形式表述，误判率即为将硬化海马误诊为正常海马或将正常海马误诊为硬化海马的数量占研究中海马总数的百分比。误判率越小，说明该序列及对应的ROI中蕴含的用于诊断海马硬化的纹理特征越多，对病变的诊断价值越高。将Mazda软件所得误判率与影像医师诊断的误判率进行卡方检验，P＜0.05为差异具有统计学意义。

2 结果

Mazda软件区分正常海马与硬化海马时，FPM参数选择方法联合NDA分类方法得到的错判率最小，为4.55% (2/44)，其中将两个硬化海马误判为正常海马。见表1。

3种参数选择方法中，对错判率进行比较，与Fisher、POE+ACC、MI 3种参数选择方法单独应用相比，FPM选择的纹理特征诊断病变的错判率最低，其对应的4种分类方法所得的错判率分别为36.36% (16/44)、36.36% (16/44)、11.36% (5/44)、4.55% (2/44)。

4种分类方法中，对错判率进行比较，NDA方法区分正常海马与硬化海马的错判率最低，如Fisher、POE+ACC、MI选择方法及3种方法联合选择T2WI提取的纹理特征区分正常海马与硬化海马的错判率分别为22.73% (10/44)、9.09% (4/44)、11.36% (5/44)、4.55% (2/44)。

影像医师诊断的错判率为25.0% (11/44)，其中将8个硬化海马误诊为正常，将3个正常海马误诊为海马硬化。与纹理分析的错判结果比较，影像医师诊断海马硬化的误判率较高，差异有统计学意义(P=0.014)。

表1 纹理分析诊断海马硬化的错判率(%)Tab.1 Misclassification rate of the texture analysis in diagnosing hippocampal sclerosis (%)

3 讨论

图像纹理分析描述了像素间关系、图像灰阶分布特征、空间特征，在保证准确率的同时，提供了很多肉眼无法识别的物体表面特征信息。本研究显示利用纹理分析可准确对海马硬化进行诊断，其中FPM参数选择方法联合NDA分类方法得到的错判率最小，低至4.55% (2/44)。目前纹理分析应用范围广泛，电子计算机断层扫描(computed tomography，CT)、MR及正电子发射型计算机断层显像(positron emission computed tomography，PET)等影像图像均可进行图形分析，其中CT和MR图像分析最为常用，在对其他种类(尤其是一些常规CT及MR不能鉴别)疾病的鉴别诊断中，纹理分析优势十分明显[13-14]。

近年来，随着对病变诊断定量研究的增多，很多学者尝试通过纹理分析对疾病进行定量分析，期望通过此方法得到更加可靠的诊断结果。通过在游程矩阵、绝对梯度、共生矩阵等多方面提取不同的纹理特征参数，从而对纹理特征进行定量或定性描述，这一图像后处理过程称为图像的纹理分析。医学图像纹理特征的定量变化可反映机体相应的病理变化，因此，在机体发生病理变化后，可通过纹理特征的改变对正常及病变组织、不同病变组织类型进行鉴别、区分[15-16]，为疾病早期、正确地诊断和及时地治疗提供新途径。海马硬化的病理特征主要包括胶质细胞增生、神经元丢失，如果病变处于早期，尚未发生颞叶萎缩及MRI信号改变，或颞叶萎缩轻微、MRI信号改变不明显时，影像医师则难以通过MRI图像对海马硬化进行准确的诊断，而纹理分析则可以根据早期的病理改变对病变做出判断，为海马硬化的早期诊断提供了极大的帮助。

本研究中利用常规MRI序列纹理分析诊断海马硬化的错判率最低为4.55%，影像医师的误判率为25%。张柳等[17]的研究结果与本研究一致，其通过常规MRI图像定位海马硬化的结果与术后病理对照诊断的准确率为65.12%。由此可见，纹理分析可为海马硬化的诊断提供可靠的信息。现阶段，医学影像诊断海马硬化主要还是通过医生肉眼观察图像，医生经验、疲劳等主观因素会对病变诊断的正确性产生很大影响。然而，图像纹理分析可避免由于医师的资历、经验等不同而对诊断结果产生的影响，提供更加客观的图像信息。

本研究尚有其局限性：(1)纹理分析的方法目前只能作为一种辅助诊断的新方法应用，因此为了得到更好的诊断效果，还需与常规的磁共振诊断要点相结合应用。(2)本研究纳入的病例数量有限，可能引起偏倚。

综上所述，本研究显示常规MRI图像纹理分析可为颞叶癫痫海马硬化的诊断提供可靠的信息及客观依据，提高了诊断的准确性，并有助于海马硬化的早期诊断。

[References]

[1] Stern JM. Overview of evaluation and treatment guidelines for epilepsy. Curr Treat Options Neurol, 2009, 11(4): 273-284.

[2] Yue W, Zhang YJ, Guan YL, et al. The imageology study of patients with the hippocampal sclerosis-associated medial temporal lobe epilepsy. Chin J Nervous Mental Dis, 2014, 10(40): 607-611.岳伟, 张雅静, 管雅琳, 等. 内侧颞叶癫痫患者海马硬化的影像学研究. 中国神经精神疾病杂志, 2014, 10(40): 607-611.

[3] Guan Y, Lu J, Cao YX, et al. SPECT and MRI study in patients with temporal lobe epilepsy caused by hippocampal sclerosis. Chin J Contemp Neurol Neurosurg, 2015, 11(15): 12.关乐, 卢洁, 曹燕翔, 等. 海马硬化致颞叶癫痫的SPECT与MRI研究. 中国现代神经疾病杂志, 2015, 11(15): 12.

[4] Yu L, Sun HB. Epileptic encephalopathy. Prac J Clin Med, 2004,2(1): 24-26.喻良, 孙红斌. 癫痫性脑病. 实用医院临床杂志, 2004, 2(1): 24-26.

[5] Dzienis W, Tarasów E, Kochanowicz J, et al. Utility of computed tomography and selected MR sequences in the diagnostics of patients with partial epileptic attacks. Med Sci Monitor, 2007, 13(1): 49-54.

[6] Ai CH, Sun XJ. Research progresson the diagnose of temporal lobe epilepsy by MRI. Med Reca, 2009, 18(15): 2808-2811.艾丛慧, 孙学进. 磁共振诊断颞叶癫痫的研究进展. 医学综述,2009, 18(15): 2808-2811.

[7] He MY, Liu PF. The research of multimodal magnetic resonance imaging in the diagnosis of hippocampal sclerosis in temporal lobe epilepsy. J Med Research, 2015, 44(2): 16-20.何明远, 刘鹏飞. 多模态磁共振成像对颞叶癫痫海马硬化诊断的研究. 医学研究杂志, 2015, 44(2): 16-20.

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

[9] Zhang Y, Zhu H, Ferrari R, et al. Texture analysis of MR images of minocycline treated MS patients. Lecture Notes in Computer Sci,2003, 2878(8): 786-793.

[10] Bonilha L, Kobayashi E, Castellano G, et al. Texture analysis of hippocampal sclerosis. Epilepsia, 2003, 44(12): 1546-1550.

[11] Yu O, Mauss Y, Namer IJ, et al. Existence of contralateral abnormalities revealed by texture analysis in unilateral intractable hippocampal epilepsy. Magn Reson Imaging, 2001, 19(10):1305-1310.

[12] Morita ME, Cendes F. Quantitative MRI techniques in MTLE:Toward a better understanding of hippocampal sclerosis. Epilepsia,2010, 51(S1): 76-79.

[13] Zacharaki EI, Wang S, Chawla S, et al. Classification of brain tumor type and grade using MRI texture and shape in a machine learning scheme. Magn Reson Med, 2009, 62(6): 1609-1618.

[14] Orphanidou VE, Vlachos N, Davies NP, et al. Texture analysis of T1 and T2-weighted MR images and use of probabilistic neural network to discriminate posterior fossa tumours in children. NMR in Biomedicine, 2014, 27(6): 632-639.

[15] Mayerhoefer ME, Schima W, Trattnig S, et al. Texture-based classification of focal liver lesions on MRI at 3.0 Tesla: a feasibility study in cysts and hemangiomas. J Magn Reson Imaging, 2010,32(2): 352-359.

[16] Mayerhoefer ME, Breitenseher M, Amann G, et al. Are signalintensity and homogeneity useful parameters for distinguishing between benign and malignant soft tissue masses on MR images?Objective evaluation by means of texture analysis. Magn Reson Imaging, 2008, 26(9): 1316-1322.

[17] Zhang L, Feng YJ, Chen XR, et al. The value of MRI and18F-FDG PET/CT indiagnosis of hippocampal sclerosis. J Jinan Univer(Medicine Edition), 2013, 34(2): 216-220.张柳, 冯永健, 陈祥荣, 等. MRI与18F-FDG PET/CT对海马硬化的诊断价值. 暨南大学学报(自然科学与医学版), 2013, 34(2):216-220.