010-83163174

功能神外通讯
Train

MRI图像后处理技术在癫痫灶定位中的应用

日期: 2017-4-7 16:30:46

文 | 林一聪


林一聪 医学博士,主治医师

2009年毕业于北京协和医学院,获得临床医学博士学位。2009年至今在首都医科大学宣武医院神经内科工作。2015年- 2016年在美国克利夫兰癫痫中心完成research fellow培训。目前主要研究方向是癫痫的影像后处理、神经调控治疗。

在难治性癫痫的术前评估中,MRI作用极为重要,虽然直观分析高分辨MRI可以提高致痫灶的检出率,但仍有30%的微小皮质发育不良(FCD)患者漏诊,被认为是MRI阴性。FCD的典型MRI改变包括:灰白质交界不清,T2/FLAIR信号异常,T1信号异常,皮质异常增厚及“transmantle sign”等。在病理学上,这些特征反映出异常的神经元聚集和异位、脱髓鞘和胶质增生。微小的FCD在MRI上改变往往不典型或非常隐匿,极易漏诊。这时,MRI图像后处理技术为这些病灶的检出提供了可能。目前最流行的图像后处理算法之一是以体素为基础的形态测量(Voxel-based morphometry,VBM)技术。本文对其在癫痫灶定位中的应用进行介绍。

识别病灶

VBM技术能够自动提取个体灰质和白质信息,并与正常对照数据库进行统计学比较,输出图像反映出较正常对照偏离的程度。T1加权MRI的VBM研究证实,MRI有明显FCD病灶的患者,灰质信号的增高与63-86%的患者病灶相一致。借助计算机模型可分析MRI上FCD的特殊形态学改变,例如皮质增厚、灰白质交界不清及异常的信号增强。大量研究证实灰白质交界不清是灵敏而特异的微小FCD的特征,甚至见于肉眼判读为MRI阴性的病例中。2015年克利夫兰癫痫中心发表的一项应用VBM的研究,对150名“MRI阴性”的癫痫手术患者进行分析后发现,VBM的阳性率可达43%,敏感性0.9,特异性0.67。文末图示为3例VBM阳性患者,手术成功切除病灶,术后1年癫痫无发作。

值得注意的是,在该研究中7%的患者有多个VBM阳性病灶。在缺乏直接的电临床相关性时,面对多个VBM阳性病灶往往难以抉择其可能的致痫性,这也提示MRI图像后处理技术在此类病人的分析中应结合电临床特点综合分析。

证实可疑病灶

影像科医生阅读MRI时往往不知晓患者临床及电生理信息。对于肉眼判读为MRI阴性的患者,结合多种非侵入性检查的数据,在癫痫术前评估会上专家们常常可以发现之前不明显的病灶。其中有些病灶确实被漏读,但也有一些是对于MRI的“过度解读”,从而导致了手术讨论和埋藏电极的偏倚。前文提到的150名MRI阴性患者的报道中,80名出现了病灶重新识别的情况。在这80名患者中,手术切除肉眼识别的可能的微小MRI病灶与术后癫痫控制情况相关(P = 0.014)。亚组分析提示,在VBM 阳性的患者中此种相关性更为显著(P = 0.01),而在VBM 阴性的患者中无相关性(P = 0.36)。该结果提示,由于MRI 图像后处理技术的可量化性和减少主观因素的影响,不仅可以应用于发现微小病灶,还可以用于进一步确定可疑病灶以产生更加真实的阳性结果。

在颞叶内侧癫痫中的应用

MRI 的海马信号增高和体积缩小在颞叶内侧癫痫的诊断中有着重要意义。遗憾的是,即便是三级癫痫中心的核磁报告也会存在错误判读。全脑FLAIR 定量分析技术能够提供一种客观定量“判读”海马信号强度和体积大小的方法。此方法能够自动提取个体海马信息,并与正常对照、左侧或右侧海马硬化、双侧海马硬化的数据库进行比较,从而客观并且量化的判定海马信号及体积是否异常。有研究显示,在9 例病理确定为海马硬化ILAE 分型I 型的患者中,7 例MRI 报告异常,8 例采用全脑FLAIR 定量分析技术判读为异常;在11 例确诊为新皮质癫痫的患者中,2 例MRI 报告为海马异常,而采用全脑FLAIR 定量分析技术均判读为正常。若采用HS 病理为金标准,MRI报告的敏感性和特异性分别为78% 和82%,而全脑FLAIR 定量分析技术的敏感性和特异性分别为89% 和100%。

存在的问题及未来发展方向

VBM 技术不需要患者额外增加术前评估的检查项目,而仅仅依赖于T1 加权MRI,且研究显示1.5T、3.0T、7.0T 的MRI 均能够进行VBM 分析。因此,该技术有望成为常规术前评估项目。但是,目前VBM 技术分析核磁阴性病例仍需要依赖人工读图,剔除伪差所致的假阳性VBM 病灶。常见的伪差来源包括:信号不均一、动脉搏动、近颅骨边缘、血管间隙、腔梗病灶、头部位移、特殊部位白质、沟回密集的脑区等。读图时往往需要反复比对原始T1 序列、FLAIR 序列MRI 影像,从而排除伪差,确定VBM 阳性病灶。由于整个过程需要花费较长时间且依赖于肉眼分辨,故技术推广有一定困难。未来通过计算机学习,有可能研发出自动检测VBM 阳性病灶的软件系统,从而取代目前的人工检测,作为术前评估常规的配套检测项目。

VBM是基于个体影像与正常对照库的比对进行的统计学分析,因此正常对照库的建立也很重要。首选是MRI扫描仪器特异的正常对照库,还应考虑到对照人群的种族特点。由于大脑随年龄增长会出现结构的改变,尤其是在儿童阶段,因此未来建立不同年龄段的正常对照库可能更为合理。

由于T1加权MRI是癫痫评估中最常用到的序列,也最常作为MRI图像后处理的输入序列,而其对应的T2加权图像在致痫灶的发现中也起了非常重要的作用,也可作为输入序列进行图像后处理。因此,运用多个对比图像进行MRI图像后处理可以优化对致痫灶的探测。

必须要注意的是,MRI图像后处理技术仅仅是结构上的分析,而非对致痫灶的直接检测。因此,MRI图像后处理的结果一定要结合患者的其他解剖-电-临床信息(症状学、脑电图、脑磁图、PET及SPECT)进行综合判断。有研究报道结合MRI图像后处理技术与磁源成像可提高MRI阴性患者病灶的检出率。此外,仍需要进一步结合电生理、组织病理学及长期随访结果的研究来判断MRI图像后处理技术对于病变探测的有效性,包括对于远隔的潜在致痫灶的进一步确定。

 

图示:VBM阳性的3例患者。左起第一列为T1序列,第二列为T1序列MRI形态分析后输出的图像(junction file),反映灰白质交界不清的程度,3例均显示灰白质交界不清(十字线),第三列为FLAIR序列(A)及T2序列(B,C),红色箭头指示病灶(A,B),第四列为手术切除后复查的T1序列,显示病灶完全切除。术后病理证实A,B为FCD I,C为FCDII。(图片引自:Ann Neurol.2015 Jun;77(6):1060-1075.)