European Radiology：T2 mapping深度学习方法对特发性炎性肌病的定量肌肉分割

特发性炎症性肌病（IIM）是一组免疫介导的肌病，其中皮肌炎（DM）和多发性肌炎（PM）是两个主要类型，其共同特点是对称性近端肌无力和肌肉炎症。IIM是高度衰弱的，容易复发且与多种并发症有关，如间质性肺病（ILD）、心律失常和恶性肿瘤。尽管肌无力是IIM最常见的特征，但这一症状通常以亚急性方式发展，在确诊前几个月内逐渐恶化。

为了检测肌肉炎症，磁共振成像（MRI）因其无创性和高软组织分辨率而被纳入诊断和监测IIM的工作流程中。反转恢复或脂肪抑制的T2加权图像（WI）上的信号强度增加可以定位肌肉水肿，而T1WI可以检测肌肉中的脂肪浸润，因为脂肪替代会缩短T1时间。因此，MRI有助于描绘肌肉的受累模式、优化活检部位，并可反复进行以监测治疗反应。

由于评估结构性MR图像的信号变化是主观的，而且难以量化，因此，人们研究了一个定量参数，即T2 mapping以评估IIM的活动性肌肉炎症。与非活动性疾病患者或健康志愿者相比，活动性IIM的青少年和成年患者的大腿肌肉T2值会有所增加。随着快速采集技术的出现，双侧大腿肌肉的专用T2 mapping可以在3分钟内获得高分辨率，这大大增加了T2 mapping在临床上应用的可行性。然而在后处理方面，以前的研究大多通过在T2 mapping上手动绘制感兴趣区域（ROIs）来测量肌肉T2值，这十分耗时耗力。

深度学习（DL）可以自动学习和改进算法，可用于分析所有层面中的所有肌肉。最重要的是，DL可以自动进行肌肉分割。然而，在IIM中使用由DL分割的肌肉T2mapping还没有被描述。

近日，发表在European Radiology杂志的一项研究通过IIM患者的DL自动分割和健康对照验证了大腿肌肉T2值，同时评估了IIM患者的T2定量值，并与实验室和肺部检查结果进行了相关性分析。

本项研究使用基于预训练卷积神经网络的专用软件对IIM患者和健康志愿者的双侧大腿肌肉的结构MRI和T2 mapping进行了分割。实施增量和联合学习以不断适应和改进。在患者和健康对照之间比较了从DL分割得到的肌肉T2值，并将患者的T2值与血清肌肉酶和基于胸部HRCT诊断和分级的间质性肺病（ILD）进一步分析。 

总共包括64名患者（27名皮肌炎患者、29名多发性肌炎患者和8名抗焦虑综合征（ASS）患者）和10名健康对照。通过使用基于DL的肌肉分割，T2图产生的T2值能准确区分患者和对照组（P<0.001），截断值为36.4ms（敏感性96.9%，特异性100%）。在IIM患者中，肌肉T2值与所有血清肌肉酶呈正相关（所有P < 0.05）。ASS患者的ILD评分明显高于无ASS的患者（p = 0.011），同时观察到肌肉受累的严重程度和ILD之间不具有相关性（p = 0.080）。 

 图 一名52岁女性，患有皮肌炎。(A）轴位T1加权图像（T1WI）、（B）T2WI、（C）脂肪饱和（FS）T2WI和（D）彩色编码T2 mapping。该患者的血清肌肉酶正常，而在FS T2WI上注意到股四头肌和内收肌（箭头）有轻微的高信号，进一步证实为T2值的升高（44.9ms），在彩色编码的T2图上呈现浅蓝色

研究表明，使用DL自动分割的大腿肌肉T2 mapping可以区分IIM的病变肌肉和健康对照组的正常肌肉，并在评估IIM的活动性肌肉炎症方面显示出强大的临床前景。

原文出处：

Fengdan Wang,Shuang Zhou,Bo Hou,et al.Assessment of idiopathic inflammatory myopathy using a deep learning method for muscle T2 mapping segmentation.DOI:10.1007/s00330-022-09254-9