陈洁莹，白求顺，曾雨萍，陈嘉欣，丁长海，朱兆华，4*

(1.南方医科大学生物医学工程学院，2.第一临床医学院，广东 广州 510515；3.南方医科大学珠江医院临床研究中心，4.骨科中心，广东 广州 510280)

膝骨关节炎(knee osteoarthritis， KOA)是引起膝关节长期疼痛、功能障碍的退行性疾病，患者生活质量严重下降[1-2]。KOA患者疼痛的主要原因为关节积液所导致的关节囊扩张[3-4]。约85%的KOA患者关节存在少量甚至更多积液，且积液量与疼痛程度呈正相关[5-6]。MRI显示膝关节半月板及软骨改变、软组织肿胀、关节积液、骨髓水肿及滑膜增厚等关节病变具有明显优势[7-9]。因此，基于MR图像测量关节积液可用于诊断和评估KOA预后，但目前定量测量关节积液的方法较少，且费用高昂、平台应用受限、手动勾画ROI耗时费力[10]。观察者间测量积液体积的一致性很好(组内相关系数：0.93～0.99，P<0.05)[10]。本研究在前期研究[10]基础上拟基于Matlab平台开发自动测量KOA患者膝关节积液体积工具，为临床应用提供数据支撑。

1 资料与方法

1.1 数据来源 选取2010年6月—2013年12月维生素D治疗骨关节炎疗效(vitamin D effect on osteoarthritis， VIDEO)研究中151例KOA患者(测试集)，男74例，女77例，年龄50～79岁，平均(63.2±7.7)岁；膝关节冠状位质子密度加权成像(proton density weighted imaging， PDWI)参数：TE 3 400 ms，TR 64 ms，层厚3 mm，FA 90°，像素256×256，图片数量23帧。于国际公共骨关节炎队列数据库(https://nda.nih.gov/oai/)骨关节炎起始研究(osteoarthritis initiative study， OAI)中随机抽取50例KOA患者作为外部验证集，男17例，女33例，年龄45～77岁，平均(61.4±9.8)岁；采集膝关节冠状位二维中介加权快速自旋回波(two-dimensional intermediate weighted turbo spin echo， 2D-IW-TSE)序列图像，TE 3 700 ms，TR 29 ms，层厚3 mm，FA 180°，像素307×384，图片数量37帧。本研究获得院伦理委员会批准(编号：H11040)。

1.2 手动测量 采用Osirix Lite 5.9软件，由1名具有3年工作经验的影像科医师观察MRI，发现膝关节积液信号(knee joint effusion signals， KES)时，沿积液区域边缘手动勾画ROI，软件自动进行三维重建并计算积液体积。采用MRI膝关节骨关节炎评分(MRI osteoarthritis knee score， MOAKS)[11]标准评价积液等级：无渗液为0级，轻度渗液为1级，中度渗液为2级，重度渗液为3级。由另1名医师随机抽取50例再次进行勾画及评级。

1.3 自动测量

1.3.1 阈值分割 将DICOM格式MRI导入Matlab r2018a平台，以函数medfilt2进行滤波。随机抽取3例同时存在皮下脂肪信号(subcutaneous fat signals， SFS)及KES的图像，调整高、低阈值，在不进行灰度变换的前提下，以10个灰度级为一个单位，在合理范围内依次变化，使高、低阈值相差2个单位以上；调整面周比(surface-to-circumference ratio， STCR)，以0.5为一个单位，在合理范围内依次变化，使高、低阈值相差1个单位以上。由2名分别具由3年工作经验的影像科医师分别观察自动及手动分割ROI的一致性，以与手动测量结果最匹配的阈值作为分割阈值，意见存在分歧时经协商达成一致。测试集低阈值为550、STCR阈值为4.5，高阈值为850、STCR阈值为10；验证集低阈值为400、STCR阈值为2.5，高阈值为470、STCR阈值为3。行全局阈值(低阈值)分割(图1A)，以函数bwareaopen进行开操作，去除微小目标。

1.3.2 获取ROI 以函数statxture获取三阶距，结合STCR区分剩余区域的SFS及KES。STCR较小时，多为折褶多、高信号强度分布离散的SFS区域；STCR较大时，多为高信号强度分布集中、均匀且边界平整的KES区域。以三阶矩度量区域灰度值集合的偏斜度，见公式(1)及(2)；正负三阶矩分别代表区域灰度值集合的正负偏态，KES区域三阶矩<0，灰度直方图呈见负偏态(图1B)；SFS区域>0，灰度直方图呈正偏态(图1C)。

(1)

(2)

式中，ζi为第i个区域的三阶矩，ui为第i个区域的灰度均值，N为该区域内像素数，Pij为第i个区域的第j个像素的灰度值。

剩余区域数量≤10 表示图像存在脂肪信号的可能性较低，无需再行高阈值分割，可根据STRC>4.5或三阶矩<0确定积液。剩余区域的数量>10代表图像脂肪信号较多，需设置更高阈值用于全局阈值分割，并执行开操作。若区域STRC>10或三阶矩<0，可视为小区域KES(图1D)。

图1 患者女，63岁，KOA A.全局阈值分割膝关节冠状位MRI中KES受SFS的干扰较多； B.KES灰度直方图； C.SFS灰度直方图； D.双阈值分割后，干扰信号基本被去除

图2 自动测量和手动测量KOA患者膝关节积液体积相关性的散点图 A.测试集； B.验证集

1.3.3 积液体积 根据图像拍摄纵深及所测面积进行插值处理，获得面积的模拟曲线；根据公式(3)以积分计算积液体积(V)。

(3)

式中，d为膝关节总厚度，x为深度，area(x)为插值处理后得到的面积函数。

1.4 统计学分析 采用SPSS 18.0软件。分别以Pearson相关性分析和Spearman相关性分析评价自动、手动测量后评价测试集与外部验证集(n=50)积液等级结果的相关性：|r|<0.3为无明显相关，0.3≤|r|<0.6为中度相关，|r|≥0.6为高度相关。P<0.05为差异有统计学意义。

2 结果

自动测量测试集平均耗时(4.38±0.98)s，手动测量平均耗时(12.54±5.37)min。自动测量与手动测量测试集积液体积结果呈高度正相关(r=0.78，P<0.01)，见图2A；自动测量与手动测量验证集积液体积等级结果亦呈高度正相关(r=0.87，P<0.01)，见图2B。

3 讨论

目前影像学测量KOA患者关节腔积液仍以半定量评分为主，缺少更为客观及可实现真正量化的测量工具[12]。WANG等[13]手动于MRI中勾画ROI，利用Osirix Lite软件测量积液面积及体积，并进一步与临床结局进行相关性分析，发现膝关节积液水平对诊断KOA和评估预后具有重要价值。但是，人工手动逐帧勾画ROI耗时、费力，临床实用性有限。准确测量积液体积的关键是正确区分SFS与KFS。PDWI中积液表现为高亮信号，脂肪和水强度(灰度)值均较高；膝关节周围皮下脂肪较多时，采用普通阈值分割方法不能很好地去除脂肪信号噪声，易将SFS误为KFS，导致测量数据出现误差。传统方法通常利用直方图、方差及最大类间方差等确定阈值，用于分割MRI中膝关节积液信号的效果不佳。QUINN-LAURIN等[14]基于Matlab平台证实了其所提出的MRI半自动阈值分割方法定量测量髋关节积液的可靠性和可行性，并预计以深度学习方法实现进一步自动化可大幅提高测量小体积复杂关节液的可靠性，认为此为优化方向。本研究基于Matlab平台，在全局阈值分割基础上以STCR和三阶矩最大化地排除脂肪信号干扰，实现了自动化测量膝关节积液面积和体积；所开发的自动测量工具易于操作，操作者无须具备丰富的MRI测量经验即可在短时间内精确测量大量样本，且测试集及验证集中自动测量结果与手动测量结果的相关性均较高，提示此法有助于大幅降低测量时间和人力成本，更为客观地定量评价膝关节积液水平。

总之，本研究基于Matlab开发的自动测量MRI所示膝关节积液体积工具相比与人工手动测量方法耗时短、较少需要人工干预，可重复性佳，具有较高临床推广价值。但本研究存在以下不足之处：①样本量小，可能对结果造成影响；②其临床有效性有待进一步临床研究，特别是大样本前瞻性队列研究结果加以验证。