李星江 薛培源 吕坤雪 王 婷 崔耀月 魏秀芳

1.牡丹江医学院，黑龙江牡丹江 157000；2.牡丹江医学院附属红旗医院核磁共振科，黑龙江牡丹江 157011

帕金森病（Parkinson’s disease，PD）是一种常见的中枢神经系统疾病，仅次于阿尔茨海默病，据报道我国PD的发病率正处于上升期[1]。PD的发生与黑质多巴胺能神经元变性死亡、神经黑色素的丢失有关，目前引起这些神经元死亡的原因并不明确[2]。如今对于PD的诊断主要依靠于临床症状及临床量表，缺少客观的评价指标以及定量分析的影像学手段。PD患者在出现临床症状前，其神经黑色素就已经开始丢失[3]，神经黑色素主要分布于中脑黑质区域。NM-MRI成像原理基于缩短人体组织T1值，可以清楚显示中脑黑质，在图像上表现为明显的高信号，因此可以作为诊断PD的影像学手段。影像组学纹理分析技术是一种定量分析的手段，可以提取医学图像的高通量的信息，识别灰度分布、像素之间的空间关系等信息，提供肉眼无法获得的图像信息，不受诊断医师主观因素的影响。本研究基于NM-MRI图像，通过影像组学纹理分析技术，分析PD患者中脑黑质致密部（SNc）的纹理特征，探究NM-MRI影像组学对PD的诊断价值。

1 资料与方法

1.1 一般资料

选取2020年1月至2022年2月在牡丹江医学院附属红旗医院帕金森门诊就诊或住院患者中确诊为PD患者60例为PD组，其中男17例，女43例；年龄48～79，平均（62.68±8.04）岁，健康对照患者（healthy control，HC）60例为HC组，其中男21例，女39例；年龄46～79，平均（65.58±8.38）岁，两组患者一般资料比较，差异无统计学意义（P＞ 0.05）。本研究经牡丹江医学院附属红旗医院医学伦理委员会审核批准（审批编号：202151）。

纳入标准：符合2015年国际运动障碍协会（movement disorder society，MDS）制定的PD诊断标准[4]。

排除标准：曾经做过脑深部电刺激（deep brain stimulation，DBS）手术治疗；继发性帕金森综合征；颅内血管病变及占位病变；合并内科或精神疾病妨碍患者进行MRI检查；改良的Hoehn-Yahr分期（H-Y分期）量表[5]4～5期；依从性差者；患者年龄≤45或≥80岁。

1.2 仪器与方法

所有研究对象，在Achieva 3.0T TX MR（飞利浦，荷兰）扫描机器上通过8通道头线圈获得常规的头颅MRI图像和NM-MRI图像。NM-MRI成像具体参数：重复时间（TR）550 ms，回波时间（TE）13 ms，视野大小（FOV）200×181 mm2，体素大小（Voxel）0.4 mm×0.45 mm，矩阵大小（Matrix）500×402，层厚2.5 mm，无间距扫描，磁化转移（MT）开启，翻转角为90°，扫描层数（slices）8，激励次数（NSA）2.4，扫描时间9分57秒。采集范围中脑背盖上缘到中脑下缘。

1.3 图像分析

选取层面：在轴位的NM-MRI图像上，可在中脑的连续三个层面上可见SNc高信号影，选取SNc高信号区最大的层面。感兴趣区域（ROI）勾画：分别由2名影像科室诊断的主治医师评价图像，意见有分歧时通过协商达成一致。同一名医师在NM-MRI序列在左、右两侧SNc处勾画同一类ROI作为该患者的SNc处整体ROI。纹理特征提取：利用MaZda提取感兴趣区域纹理特征参数，包括灰度直方图参数、绝对梯度模型参数、灰度共生矩阵参数、灰度游程矩阵参数、自回归分析模型参数。

1.4 数据处理

所提取的特征参数利用费希尔参数法（Fisher）、最小分类误差与最小平均相关系数法（POE+ACC）、相关信息测度法（MI）进行降维，分别将三种方法提取的参数特征导入MaZda软件B11处理器进行原始数据分析（RDA）、主要成分分析（PCA）、线性判断分析（LDA）、非线性判断分析（NDA）分析比较。将降维后的纹理特征参数导入SPSS 26.0软件中分析。

1.5 统计学方法

使用SPSS 26.0统计学软件进行数据处理，计量资料用均数±标准差（±s）表示，采用t检验，计数资料用[n（%）]表示，采用χ2检验，P＜ 0.05为差异有统计学意义。

2 结果

2.1 三种降维方法不同组合分析错判率

Fisher、POE+ACC、MI降维方法与RDA、PCA、LDA、NDA分类方法分别组合，其中Fisher提取的最佳参数与NDA相结合的错判率最低（5.83%），见表1。

表1 三种降维方法不同组合分析错判率[n（%）]

2.2 PD组与HC组影像组学纹理特征比较

所有研究对象NM-MRI图像在MaZda软件中勾画，见图1；共提取284个纹理特征，经Fisher、POE+ACC、MI降维后共纳入19个纹理特征参数进行分析，PD与HC组SNc影像组学纹理特征参数Teta4差异无统计学意义（P＞ 0.05），其余均具有统计学意义（P＜ 0.05），见表2。

图1 MaZda软件ROI勾画示意图

表2 PD组与HC组影像组学纹理特征参数比较（x ± s）

2.3 PD组与HC组影像组学纹理特征参数ROC曲线分析

将18个具有统计学意义的特征参数进行ROC曲线分析，AUC＞0.8的参数共13个，其中S（0，1）DifVarnc参数AUC面积最大，AUC为0.889（图2、表3）。

图2 PD组与HC组影像组学纹理特征参数ROC曲线

表3 PD组与HC组影像组学纹理特征参数ROC曲线分析

3 讨论

PD发病主要以SNc多巴胺能神经元变性、丢失和突触核蛋白在路易小体（Lewy）体内积蓄为特征，有研究表明黑质的NM-MRI成像可以用于PD患者神经变性的定位[6-9]。本研究基于NM-MR提取整体中脑SNc纹理特征参数进行研究，最终纳入的参数主要来自于灰度游程矩阵以及灰度共生矩阵，这与Liu等[10]得出的结论相似。

灰度游程矩阵描述了在多个方向上具有相同灰度连续分布的空间信息，RLNonU代表灰度的不均匀性，Horzl、Vert、45dgr、135dr分别代表水平、垂直、倾斜45°、倾斜135°计算方向，HC组的灰度游程矩阵参数值大于PD组，说明在HC组SNc区域不同方向相同灰度连续分布的范围均较PD组大，提示HC组神经黑色素在空间分布上大于PD组。灰度共生矩阵参数中熵在本研究模型中贡献较大，熵值是一个随机性度量，代表图像的复杂程度，熵值越大说明图像灰度分布情况越复杂，HC组的熵值大于PD组，提示了HC组处SNc更复杂。基于NM-MRI成像原理推测HC组神经黑色素所螯合的铁等金属较多造成了图像灰度更不均匀、更复杂。与PD神经黑色素丢失学说相符合。

本研究所取得的纹理特征参数中S（0，1）DifVarnc的AUC最大为0.889，优于彭媛媛等[11-12]文献所提取的参数，将来可能作为诊断PD的标志物。B11处理器分析中Fisher结合NDA分类方法错判率最低为5.83%，这与顾惠芳等[13-14]建立的模型结果相近，说明基于NM-MRI的影像组学在PD的诊断中具有重要的参考意义。Sun等[15]利用影像组学模型进行PD亚型的分析并取得了良好的效能，但本研究所提取的纹理分析特征在区分PD两种亚型（震颤为主型、步态不稳-步态障碍为主型）中无统计学意义，需要进一步研究。

本研究的局限性：①只分析了整体SNc区域的影像像组学纹理特征参数，在后续的研究中将对左右两侧SNc进行纹理分析，探究其纹理特征参数是否与发病方式以及是否与PD患者运动症状不对称性相关；②仅基于NM-MRI图像进行影像组学纹理分析，没有对其他MRI图像进行多模态分析，下一步将探究其它序列上SNc纹理参数特征；③样本量较少，在后续研究中将进一步扩大样本量并进行多中心研究。

综上所述，基于NM-MRI成像的影像组学在PD的诊断中具有重要意义，纹理特征参数可以作为区分PD与HC的影像学指标。