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
2023-03-04 shaosai MedSci原创 发表于上海
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。
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
本网站所有内容来源注明为“梅斯医学”或“MedSci原创”的文字、图片和音视频资料,版权均属于梅斯医学所有。非经授权,任何媒体、网站或个人不得转载,授权转载时须注明来源为“梅斯医学”。其它来源的文章系转载文章,或“梅斯号”自媒体发布的文章,仅系出于传递更多信息之目的,本站仅负责审核内容合规,其内容不代表本站立场,本站不负责内容的准确性和版权。如果存在侵权、或不希望被转载的媒体或个人可与我们联系,我们将立即进行删除处理。
在此留言
好文章,谢谢分享。
33