医学图像处理技术在肾脏疾病中的诊断价值.pdf

综 述第 37 卷第 4 期医学信息Vol.37 No.42024 年 2 月Journal of Medical InformationFeb.2024作者简介：阿丽米热 阿不都热依木（1995.5-），女，新疆乌鲁木齐人，硕士研究生，主要从事影像医学与核医学研究医学图像处理技术在肾脏疾病中的诊断价值阿丽米热窑阿不都热依木渊新疆医科大学健康管理中心袁新疆 乌鲁木齐830011冤摘要院评估肾脏功能及结构的准确性对肾脏疾病的诊断和预后至关重要遥磁共振成像渊MRI冤尧超声弹性成像渊UE冤及计算机断层扫描渊CT冤等先进的医学影像技术能够无创检测肾脏结构尧功能和分子信息袁并提示肾脏组织属性和功能的变化遥目前袁人工智能将传统医学影像技术转变为全自动化诊断工具的能力袁并对肾脏医学影像进行定性分析外袁纹理分析还与机器学习技术相结合袁作为肾组织异质性的定量分析方式袁为预测肾脏功能减退提供了辅助诊断依据袁有望成为肾功能诊断的一种新方法遥本文总结了不同的医学影像技术用于监测肾脏疾病的研究进展袁并讨论了纹理分析和人工智能关联性袁以期为临床肾脏疾病的诊断提供参考遥关键词院图像处理曰肾脏曰人工智能中图分类号院S941.42+7文献标识码院ADOI院10.3969/j.issn.1006-1959.2024.04.036文章编号院11006-1959渊2024冤04-0183-05The Diagnostic Value of Medical Image Processing Technology in Kidney DiseaseAlmira Abduriyim(Health Management Center of Xinjiang Medical University,Urumqi 830011,Xinjiang,China)Abstract：Evaluating the accuracy of renal function and structure is essential for the diagnosis and prognosis of renal diseases.Advanced medicalimaging techniques such as magnetic resonance imaging(MRI),ultrasound elastography(UE),and computed tomography(CT)can noninvasively detectrenal structure,function,and molecular information,and suggest changes in renal tissue properties and functions.At present,artificial intelligence hasthe ability to transform traditional medical imaging technology into a fully automated diagnostic tool.In addition to the qualitative analysis of renalmedical images,texture analysis is also combined with machine learning technology as a quantitative analysis method of renal tissue heterogeneity.Itprovides an auxiliary diagnostic basis for predicting renal dysfunction and is expected to become a new method for the diagnosis of renal function.This paper summarizes the research progress of different medical imaging techniques for monitoring renal diseases,and discusses the correlationbetween texture analysis and artificial intelligence,in order to provide reference for the diagnosis of clinical renal diseases.Key words：Image processing;Kidney;Artificial intelligence近 20 年来，医学图像处理已成为医学技术中发展最快的领域之一，其结果使临床医生对人体内部病变部位的观察更直接、更清晰，确诊率也更高。20世纪 70 年代初，CT 的发明曾引发了医学影像领域的一场革命，与此同时，核磁共振成像 MRI、超声成像、数字射线照相术、发射型计算机成像和核素成像等也逐步发展。早期诊断和预测慢性肾脏病、肾结石及肾肿瘤等，可以降低疾病治疗成本，减缓肾脏损害的进展，避免发生不可接受的后果1。人工智能技术的飞跃性发展，特别是深度学习方法以及硬件算力的进步，极大地推动了人工智能在生物医学领域、肾脏病学领域的发展。人工智能可以预测急性肾损伤的发生，识别慢性肾脏病的发生2，亦可在肾脏病理的研究中辅助分析、预后预测和辅助决策。基于此，本文对医学图像处理技术中的图像分割、纹理分析、图像配准和图像融合技术的现状及其发展进行综述，以期为其在慢性肾脏疾病中的应用提供参考依据。1慢性肾脏病慢性肾脏病（chronic kidney disease，CKD）定义为肾脏结构或功能异常。2012 年一项纳入 47 204例成人的大型横断面研究表明1，我国 CKD 的患病率为 10.8%。目前，慢性肾脏病仍然是一个广泛存在且较为主要的公共卫生问题，困扰着全球超过 12%的人口。它的特点是肾功能进行性且不可逆转的恶化，并伴有低肾小球滤过率（glomerular filtration rate，GFR），最终导致终末期肾病。此时肾脏完全受损，无法正常过滤血液，需要进行肾脏透析或移植3。评价183综 述第 37 卷第 4 期医学信息Vol.37 No.42024 年 2 月Journal of Medical InformationFeb.2024肾功能的常用方法是根据血清肌酸水平（SCr）估算EGFR，或者通过组织活检，进行组织病理学分析。虽然活检是评估肾脏微结构和量化肾功能障碍原因的金标准，但它也存在以下缺点。首先，侵袭性手术与出血和患者可能的疼痛有关，因此影响了后续评估。其次，活组织检查受限于采样偏差，因为它对通常不包括髓质的肾脏中不到 1%的组织进行采样，所以它在空间分辨率方面是有限的4。MRI 具有评估肾脏微结构的组织、扩散、灌注和氧合的潜力，还提供了测量肾脏血流动力学、量化组织松弛时间、大分子和弹性以及表征肾组织代谢物的能力。超声弹性成像（UE）能够识别有关组织机械特性的结构信息。计算机断层扫描（computed tomography，CT）可以提供解剖和功能信息，但仅限于 X 射线和造影剂注射。核素扫描结合了使用放射性示踪剂的功能和血流灌注测量。医学影像技术在评估肾功能方面无疑是一种很有前途及潜力的医学诊断方式。纹理是从数学计算方程中获得的，它研究灰度级像素的空间排列，并显示它们之间的关系，这些关系通常是人眼无法看到的。考虑到肾脏的结构和肾脏疾病对功能标记物分布的影响，纹理分析有可能反映组织病理学的异质性5。将纹理分析引入传统的机器学习方法，通过提供可用于诊断和预测肾功能障碍的额外的数值描述符，扩展了医学成像能力。以细胞外基质沉积为特征的肾纤维化在慢性肾脏病的发生发展中起着关键作用6。由于组织细胞的参与，水分子在组织内的流动性是降低的。因此，水扩散可以反映组织的微观结构。扩散加权成像（diffusion weighted imaging，DWI）是一种磁共振成像方法，它将水分子的运动作为对比，提供水扩散或布朗运动的活体测量，使用强大的双极磁梯度，以创建接收信号对水运动的敏感性，从而描述组织限制水的方式4。表观扩散系数（apparent diffusion coef原ficient，ADC）是一个 DWI 生物标记物，对应于组织内水扩散和微循环的总体测量4。体素内非相干运动（the intra-voxel incoherent motion，IVIM）模型是由 Le Bihan D 等7提出的，为了区分毛细血管网络中血流引起的真扩散或分子水扩散与假扩散或灌流，IVIM 得到的参数是与血管外水分子运动或纯扩散有关的真扩散（D*）、与血管内水分子运动或灌流有关的伪扩散（D*）以及流动分数（F*）。DWI 已被报道为糖尿病肾脏病情变化的良好预测指标8，以及监测移植后肾功能的可靠技术9。几项研究已经表明9-11，在动物模型中，DWI 作为一种很有前途的成像技术，用于评估肾脏纤维化具有潜在的应用前景。当与肾功能相关时，DWI 参数随肾损害程度的加重而降低（反映为 EGFR 的降低），而纤维化程度的增加与 ADC 的降低之间存在很强的相关性。这些参数的降低可以归因于灌注的减少、限制水分的间质纤维化的存在以及血管的减少14。此外，皮质和髓质 DWI 参数之间的差异与纤维化的百分比呈良好的负相关15。ADC 在正常对照组、轻度损害组、中度损害组和重度损害组之间有显著差异，但当按病理类型（微小病变肾小球肾炎、局灶节段性增生性肾小球肾炎、膜性肾病、系膜增殖性肾小球肾炎、肾小球硬化和新月体肾炎）进行分类时，则不同。这可以参考这样一个事实，即不同的 CKD 病理类型具有相似的致病特征，导致 ADC 下降16。然而，ADC值因为没有能力区分健康 CKD 和玉期 CKD，因此无法早期诊断 CKD。在一项研究中提到了与血流灌注相关的 D*，该研究表明肾损害伴随着血流灌注量的减少，IVIM 图应该比 ADC 图能更早期发现肾功能障碍17。另一方面，使用 ADC 检测肾损害的性能好于 IVIM 参数12，13，15。与无糖尿肾病患者相比平均ADC 值显著降低。而糖尿病肾病是导致肾功能衰竭的主要原因之一。最近，弥散加权成像被证明有希望区分健康儿童和 CKD 儿童肾小球肾炎、溶血性尿毒症综合征、狼疮性肾炎（lupus nephritis，LN）、肾小球硬化和婴儿肾病是 CKD 的主要原因18。ADC 与 CKD 分期（玉吁期）呈负相关18。据报道19，20，随着移植肾功能障碍（平均 EGFR 为 30 ml/min/1.73 m2）的出现，皮质和髓质 ADC 显著减少。2肾结石国内外对肾盂肾盏与结石形成的解剖学研究是基于尸体及二维影像学测量，有报道称肾盂出口梗阻、肾盂体积小、肾盂出口相对狭窄等是造成中上盏结石形成的重要因素21-23。肾集合系统的解剖结构是肾结石发病机制中的重要因素之一，对制定手术184综 述第 37 卷第 4 期医学信息Vol.37 No.42024 年 2 月Journal of Medical InformationFeb.2024治疗方案具有重要意义。对肾盏形态的认识极其重要，因为这是选择合适的碎石方法的基础。超声弹性成像（ultrasound elastography，UE）能够检测组织的机械特性，如（magnetic radiation e原lastography，MRE）。UE 技术基于对在组织内传播的产生的剪切波的成像，或者基于组织在外部压缩下的应变分析24。剪切波弹性成像（shear waveelastography，SWE）利用声波通过测量反映组织硬度的剪切波速（shear wave velocity，SWV）来评估组织弹性。有研究显示25，与无功能肾脏相比，功能肾脏的硬度更高，预测性能（敏感性 90.9%，特异性85.7%，对锥体僵硬的 AUC 为 0.925）更好，SWV 与肾血流和 EGFR 有很好的相关性。CT 在泌尿系结石诊断中具有举足轻重的价值，而 MSCT（螺旋 CT）无需注射或口服对比剂，操作简单，经 FBP 重建处理后，图像质量高，能准确清晰显示结石发生部位、大小和数量，并且对结石继发征象也能明确诊断。虽然 MSCT 常规平扫对结石的诊断效果确切，但患者所受的辐射剂量较高，在不影响诊断的前提下降低辐射剂量是 CT 工作者需思考解决的课题26。有报道指出27，考虑到结石的高发率和易复发率，需接受或多次接受 MSCT 检查的患者众多，辐射安全性问题需引起重视。3肾脏囊肿及肿瘤超声造影是结合造影剂增强血液的背向散射，增强回声提高超声分辨力的技术，周青等28研究认为超声造影有助于提高对肾脏实性肿瘤的定性诊断效能。常规超声通过多角度回声判断囊肿大小、形状、囊壁及分隔厚度并能清晰观察大血管血供,但肾脏血流灌注丰富，占心输出量的 20%25%，分布众多微小血管，血流速度降低,回声衰弱，常规超声难以显示病灶微循环特征,在囊肿性质鉴别方面存在一定局限性29。超声造影是新型声学造影检查，不仅能利用微泡造影剂增加正常组织与病灶回声信噪比,从而更好观察脏器内部血流灌注，便于病灶定性诊断,而且可用于 CT、MRI 造影剂禁忌患者中，适用人群更广泛。肾透明细胞癌是常见肾癌类型，其囊性变含大量糖原及脂质且常伴出血坏死，常规回声表现为低回声、等回声。但部分复杂性肾囊肿也可伴随出血，进而造成感染导致获取图像复杂化，呈现囊壁增厚、边界不清等征象,导致与肾透明细胞癌囊性变混淆。而超声造影可利用造影剂散射作用增强回声，清晰观察微小血管血流供应，掌握病灶周围微循环情况，评估囊肿内实性成分血供。而且造影剂在肾脏中不会快速被代谢，渗入细小血管，有利于对更小的肾肿瘤组织进行鉴别。此外，研究显示应用超声造影后可以明显提高微小肾癌及小肾癌的检出率30，进一步证实了超声造影在病灶性质鉴定方面的应用价值。肾囊肿是常见的肾脏良性疾病，单纯性肾囊肿在 CT 上多表现为水样密度（CT 值多约20 HU）并且密度均匀，易于与其他肿瘤性病变鉴别31。当囊肿内伴发出血、感染或包含某些高密度物质时，在 CT 平扫上病灶表现为高密度，称之为高密度肾囊肿。高密度肾囊肿在平扫 CT 上很难与肾细胞癌鉴别，尤其是小肾癌32。最新的研究表明33，高密度肾囊肿的平扫 CT 值常常高于正常的肾实质（4566 HU）,且大多数的高密度肾囊肿密度均匀，因而 CT 特征可能会对预测病变的性质有帮助。4人工智能在医学成像中的应用人工智能（artificial intelligence，AI）是指将由人完成的智力任务改为由计算机自动化完成。机器学习（machine learning，ML）是人工智能技术的核心，其通过所使用的算法使计算机无需显式编程就能从大量的数据中进行学习。深度学习（deep learning，DL）是 ML 的特殊类别。作为机器学习领域的一个新兴研究方向，深度学习受到人脑工作方式的启发，是一种利用深度神经网络求解特征表达的学习过程34。深度学习已经成功地应用于器官分割、肾脏总体积测定、慢性心肌勾画、脑微出血检测和肺结节分类。深层网络最初由医疗临床数据提供，包括年龄、血压、血糖、血肌酐等属性，并已超过所有传统的机器学习技术35。在肾功能评估、CKD 预测和诊断方面，DL 已经显表现出良好的前景，无论是单独使用还是由组织质地分支网络提供服务。最近的研究主要集中于深度网络的临床应用，包括健康肾脏与慢性肾脏病肾脏的鉴别，正常肾脏与先天畸形肾脏的鉴别，不同肾脏疾病的分类，如肾结石、肾囊肿和肿瘤，以及预测 EGFR。4.1 纹理分析 纹理分析被广泛应用于不同的医学成像模式，并已显示其能力是一种强大的计算机辅185综 述第 37 卷第 4 期医学信息Vol.37 No.42024 年 2 月Journal of Medical InformationFeb.2024助诊断工具，有助于临床决策（如肝脏病变分化、乳腺癌分类等）以及分割任务（如 CT 和超声图像上的肾脏分割）36。从 CT 和 MR 图像提取的纹理参数在肝纤维化和增加的异质性之间显示出良好的相关性37。由于组织纤维化在 CKD 的发展过程中起着重要的作用。对肾脏图像的纹理分析可能是一个很好的预测肾功能障碍的指标。在肾功能评估方面，纹理分析应用于 MR、US 以及核素成像。与机器学习技术相结合，纹理分析被证明是一种很好的补充工具，可以为医生服务，特别是在疾病的早期阶段发现CKD 进展时。采用纹理分析的研究侧重于不同的临床应用，包括通过区分健康志愿者和轻度或非严重肾损害患者来检测早期肾功能障碍，鉴别健康和病变肾脏，评估结构与纤维化成分和 EGFR 的关系，鉴别非排斥移植肾的排斥反应，预测 ADPKD 患者进展为 CKD，最重要的是预测 CKD 的 5 个阶段。此外，通过纹理分析在超声肾脏图像上评估与 CKD 相关的纤维化沉积和肾脏损害38。4.2 人工智能在图像分割中的应用 分割是腹部图像分析中的关键步骤，具有不同的应用，包括手术规划、计算机辅助监测、定性或定量的提取、视觉特征、图像引导干预。肾脏分割可以在放射科医生进行定性评估之前为其提供服务，在从输入图像中提取特征之前需要对肾脏进行分割，以得到一个全自动化的肾脏检测和状态评估软件工具。在临床研究中采用了不同的分割方法，以避免人工勾画肾脏和观察者的干预。肾脏识别通常半自动或自动执行。由于腹部图像灰度相似，形状和位置变化较大，常采用半自动分割。它需要各种干预机制，例如识别初始种子、样本在肾组织和背景中的定位、用圆形轮廓对肾脏进行预分割，定义参数范围38。5总结早期诊断和预测 CKD，可以降低疾病治疗成本，减缓肾脏损害的进展。MRI 被证明是一个强大的工具，通过评估肾功能和双侧肾脏的结构来评估肾脏组织。MRI 嵌入了几个序列，反映了不同的肾脏属性和功能，包括扩散、灌注、充氧、组织弹性成像、血流动力学等。UE 利用其低成本和易获得性的优势，也提供了与 MRE 一样通过测量肾脏硬度来监测 CKD 的有希望的结果，但 UE 研究得出的相互矛盾的结果使 MRE 更适合于肾脏僵硬的评估。人工智能在肾结石、肾肿瘤及肾囊肿等疾病中的应用逐渐增多，未来会有更多的临床实用性研究。参考文献院1Zhang L,Wang F,Wang L,et al.Prevalence of chronic kidneydisease in China:a cross-sectional survey J.Lancet,2012,379(9818):815-822.2Jiang K,Tang H,Mishra PK,et al.Measurement of murine kid鄄ney functional biomarkers using DCE-MRI:A multi-sliceTRICKS technique and semi-automated image processing algo鄄rithmJ.Magn Reson Imaging,2019,63:226-234.3Saha A,Saha A,Mittra T.Performance Measurements of Ma鄄chine Learning Approaches for Prediction and Diagnosis ofChronic Kidney Disease(CKD)C/the 2019 7th InternationalConference.2019.4Baues M,Dasgupta A,Ehling J,et al.Fibrosis imaging:Currentconcepts and future directionsJ.Adv Drug Deliv Rev,2017,121:9-26.5Ding J,Xing Z,Jiang Z,et al.Evaluation of renal dysfunctionusing texture analysis based on DWI,BOLD,and susceptibility-weighted imagingJ.Eur Radiol,2019,9(5):2293-2301.6Leung G,Kirpalani A,Szeto SG,et al.Could MRI Be Used ToImage Kidney Fibrosis?A Review of Recent Advances andRemaining BarriersJ.Clin J Am Soc Nephrol,2017,12(6):1019-1028.7Le Bihan D,Breton E,Lallemand D,et al.Separation of diffu鄄sion and perfusion in intravoxel incoherent motion MR imagingJ.Radiology,1988,168(2):497-505.8Deng Y,Yang B,Peng Y,et al.Use of intravoxel incoherentmotion diffusion-weighted imaging to detect early changes indiabetic kidneys J.Abdom Radiol(NY),2018,43(10):2728-2733.9Chen L,Ren T,Zuo P,et al.Detecting impaired function ofrenal allografts at the early stage after transplantation using in鄄travoxel incoherent motion imaging J.Acta Radiol,2019,60(8):1039-1047.10Audureau E,Chivet A,Ursu R,et al.Prognostic factors for sur鄄vival in adult patients with recurrent glioblastoma:a decision-tree-based modelJ.J Neurooncol,2018,136(3):565-576.11Gaillard F,Pavlov P,Tissier AM,et al.Use of computed to鄄mography assessed kidney length to predict split renal GFR inliving kidney donorsJ.Eur Radiol,2017,27(2):651-659.12Ding J,Chen J,Jiang Z,et al.Assessment of renal dysfunctionwith diffusion-weighted imaging:comparing intra-voxel inco鄄186综 述第 37 卷第 4 期医学信息Vol.37 No.42024 年 2 月Journal of Medical InformationFeb.2024herent motion(IVIM)with a mono-exponential modelJ.ActaRadiol,2016,57(4):507-512.13Cai XR,Yu J,Zhou QC,et al.Use of intravoxel incoherentmotion MRI to assess renal fibrosis in a rat model of unilateralureteral obstructionJ.J Magn Reson Imaging,2016,44(3):698-706.14Hennedige T,Koh TS,Hartono S,et al.Intravoxel incoherentimaging of renal fibrosis induced in a murine model of unilateralureteral obstructionJ.Magn Reson Imaging,2015,33(10):1324-1328.15Friedli I,Crowe LA,de Perrot T,et al.Comparison of read鄄out-segmented and conventional single-shot for echo-planardiffusion-weighted imaging in the assessment of kidney intersti鄄tial fibrosisJ.J Magn Reson Imaging,2017,46(6):1631-1640.16Li Q,Li J,Zhang L,et al.Diffusion-weighted imaging in as鄄sessing renal pathology of chronic kidney disease:A preliminaryclinical studyJ.Eur J Radiol,2014,83(5):756-762.17Ichikawa S,Motosugi U,Ichikawa T,et al.Intravoxel inco鄄herent motion imaging of the kidney:alterations in diffusion andperfusion in patients with renal dysfunction J.Magn ResonImaging,2013,31(3):414-417.18Dillman JR,Benoit SW,Gandhi DB,et al.Multiparametricquantitative renal MRI in children and young adults:compari鄄son between healthy individuals and patients with chronic kid鄄ney diseaseJ.Abdom Radiol(NY),2022,47(5):1840-1852.19Bane O,Hectors SJ,Gordic S,et al.Multiparametric magneticresonance imaging shows promising results to assess renal trans鄄plant dysfunction with fibrosis J.Kidney Int,2020,97(2):414-420.20Carbone SF,Gaggioli E,Ricci V,et al.Diffusion-weightedmagnetic resonance imaging in the evaluation of renal function:a preliminary studyJ.Radiol Med,2007,112(8):1201-1210.21张秀容,汪云霞,何世娟.宜宾地区泌尿系结石1628例临床分析J.检验医学与临床,2011,8(18):2211-2212.22金锡御,俞天麟援泌尿外科手术学M.北京:人民军医出版社,2004:97援23段中阳,李昕.肾结石形成解剖学因素研究J.创伤与急危重病医学,2018,6(1):12-13,17.24钟婷婷,刘艳君,张云飞,等.不同体位及部位对实时剪切波弹性成像技术对正常肾脏的影响J.中国超声医学杂志,2016,32(10):911-913.25Elbahnasy AM,Shalhav AL,Hoenig DM,et al.Lower calicealstone clearance after shock wave lithotripsy or ureteroscopy:theimpact of lower pole radiographic anatomy J.J Urol,1998,159(3):676-682.26李超平,周星辉,吴钢飞,等.螺旋CT低剂量扫描在诊断泌尿系结石中的应用价值J.基层医学论坛,2021,25(1):95-96.27葛广忠.低剂量CT在泌尿系结石诊断中的诊断效能及对图像质量的影响J.中国继续医学教育,2021,13(18):110-115.28周青,陈琴.超声造影对肾脏实性肿瘤的定性诊断价值J.中国医学影像学杂志,2018,26(8):602-605,611.29刘雪,杨崇一,杨丰强,等.彩色多普勒超声联合超声造影用于肾实质性肿瘤鉴别诊断的临床观察J.中华全科医学,2022,20(3):458-460,472.30李翠仙,黄备建,薛立云,等.比较超声造影诊断微小肾细胞癌(MRCC)及15 mm小肾细胞癌(SRCC)的应用价值J.复旦学报(医学版),2015,42(2):174-180.31Jonisch AI,Rubinowitz AN,Mutalik PG,et al.Can high-at鄄tenuation renal cysts be differentiated from renal cell carcinomaat unenhanced CT?J.Radiology,2007,243(2):445-450.32刘春林,杨渊峰,王杭.高密度肾囊肿诊治18例分析J.复旦学报:医学版,2008,35(1):4.33Suh M,Coakley FV,Qayyum A,et al.Distinction of renal cellcarcinomas from high-attenuation renal cysts at portal venousphase contrast-enhanced CT J.Radiology,2003,228(2):330-334.34BukowyJD,DaytonA,CloutierD,etal.Region-BasedConvolutional Neural Nets for Localization of Glomeruli inTrichrome-Stained Whole Kidney SectionsJ.J Am SocNephrol,2018,29(8):2081-2088.35Kline TL,Korfiatis P,Edwards ME,et al.Image texture fea鄄tures predict renal function decline in patients with autosomaldominant polycystic kidney disease J.Kidney Int,2017,92(5):1206-1216.36Daginawala N,Li B,Buch K,et al.Using texture analyses ofcontrast enhanced CT to assess hepatic fibrosis J.Eur J Radiol,2016,85(3):511-517.37Conze PH,Kavur AE,Cornec-Le Gall E,et al.Abdominalmulti-organ segmentation with cascaded convolutional and ad鄄versarial deep networksJ.Artif Intell Med,2021,117:102109.38Materka A.Texture analysis methodologies for magnetic res鄄onance imagingJ.Dialogues Clin Neurosci,2004,6(2):243-250.稿日期：2023-01-14；修回日期：2023-03-08编辑/王萌187