影像组学在心血管磁共振中的研究进展.pdf

1综 述影像研究与医学应用 2024年3月 第8卷第5期 影像组学在心血管磁共振中的研究进展王鹏飞1,2，任天阳3，张晨阳1,2，贺俊红1,2，任金武2（通信作者）（1 承德医学院研究生学院 河北 承德 067000）（2 保定市第一中心医院影像科 河北 保定 071000）（3 外交学院英语系 北京 102299）Research progress of radiomics in cardiovascular magnetic resonanceWANG Pengfei1,2,REN Tianyang 3,ZHANG Chenyang1,2,HE Junhong1,2,REN Jinwu2(Corresponding author)1 Graduate School of Chengde Medical University,Chengde,Hebei 067000,China;2 Department of Medical Imaging,Baoding NO.1 Central Hospital,Baoding,Hebei 071000,China;3 Department of English and International Studies,China Foreign Affairs University,Beijing 102299,China【Abstract】Radiomics,as a product of the combination of artificial intelligence and medical imaging,applies various types of algorithms to synthesize and analyze a large number of features obtained from medical images and draw conclusions,which can be used to assist physicians in diagnosis and treatment activities and make clinical decisions.we categorize and review the literature related to cardiac magnetic resonance radiomics with common cardiac diseases(structural heart disease,ischemic heart disease,arrhythmia).【Key words】Radiomics;Cardiovascular magnetic resonance;Structural heart disease【摘要】影像组学作为人工智能和医学影像学结合的产物，应用各类算法对医学图像中获取的大量特征进行综合分析并得出结论，可用于辅助医生的诊疗活动，制定临床决策。本文将研究结构性心脏病、缺血性心脏病、心律失常磁共振影像组学文献归类并进行综述。【关键词】影像组学；心血管磁共振；结构性心脏病【中图分类号】R445 【文献标识码】A 【文章编号】2096-3807（2024）05-0001-04心血管疾病是全人类最常见的死因，死于心血管疾病的人数约占全球死亡人数的三分之一1。心血管磁共振（cardiovascular magnetic resonance，CMR）作为心脏检查的主要手段之一，利用心脏内组织及结构的差异性，从而呈现出心脏解剖及功能图像。因此，CMR 可用于评估心室功能、心肌灌注以及不同时相的心肌状态，为临床医生决策提供有效信息2。影像组学是指从医学图像中获取特征数据，依靠相关算法进行综合分析，可辅助医生进行诊断、预测疾病的预后等。随着人工智能的兴起，这一领域已成为当前国内外学者研究的热点。1 影像组学介绍“组学”两字代表从研究对象中提取复杂的高维数据，从而达到系统性分析的目的，工作流程依次包括以下几步：（1）图像采集；（2）图像分割；（3）特征提取；（4）特征筛选；（5）建立模型；（6）验证模型的效能3。影像数据的预处理对于保证提取特征的准确性至关重要，尽管图像生物标志物标准化倡议（IBSI）为影像组学图像预处理设置了一定的标准，但针对各个部位、器官详尽的标准仍需进一步修订4。图像分割是指从影像数据中勾画出需要研究的一个或多个图像，分割出的图像被称为感兴趣区（region of interest，ROI）。图像的勾画方式依据是否依靠人工智能以及人工智能参与的程度分为手动勾画、半自动勾画和自动勾画。手动勾画由一个或多个有经验的医师肉眼观察进行图像分割；自动勾画和半自动勾画完全或部分由人工智能完成，其具有可重复且快速的特点，是人工智能领域的热门研究方向4。勾画的感兴趣区域用于提取影像组学特征，具体包括：形状特征、一阶特征、二阶特征和高阶特征。形状特征指感兴趣区域的形状和几何特征。一阶特征主要描述图像中每个体素数值的大小，不涉及体素之间的关系；二阶特征通过分析每一个像素与它们各自相邻矩阵的关系而来；高阶特征是使用特定滤波器的数学算法产生的影像组学特征，其可以反映多个像素的关系和差异5。特征筛选是指在提取的大量影像组学特征中选择重要性高的特征。由于提取的特征数量众多，许多特征相互之间关系密切，无法突显出最重要的特征，这种现象被称为过拟合（overfitting）。在这种情况下，对所获得的特征进行特定和精确的选择变得十分必要6。建立模型具体是指将筛选出来的特征及临床数据等作为模型训练的条件和素材，以收集病例的结果（例如生存率、有无疾病进展或治疗效果的评估）作为标准，2 综 述影像研究与医学应用 2024年3月 第8卷第5期 对模型进行训练和测试。最后，构建的模型必须在训练集和测试集上进行训练和优化，最后在外部数据集上进行验证。部分研究没有进行外部数据集的验证，而是通过内部验证来进行模型效能的评估，这可能使评估的结果过于乐观。因此，目前使用外部数据集进行验证仍然是更具有说服力的方法7。2 影像组学在结构性心脏病CMR评估中的应用常见的结构性心脏病包括肥厚型心肌病（hypertrophic cardiomyopathy，HCM）、限制型心肌病、扩张型心肌病和致心律失常性右室心肌病8。肥厚型心肌病是最常见的结构性心脏病，主要的组织病理学表现为心肌纤维化、心肌细胞肥大、排列紊乱9。肥厚型心肌病典型CMR 表现为室间隔心肌壁不均匀肥厚、钆增强延迟期（late gadolinium enhancement，LGE）心肌内见斑片状强化影，这可以与高血压心脏病鉴别。但当心肌表现为左心室壁心肌弥漫性肥厚或弥漫性纤维化时，两者鉴别十分困难10。2.1 影像组学在肥厚型心肌病 CMR 评估中的应用肥厚型心肌病患者的肌原纤维结构紊乱、心肌纤维化，肉眼观察平扫 T1或 T2加权图像时难以寻找，但在LGE 表现为不均匀高信号11。Baeler 等12研究指出，基于 T1加权 MR 图像纹理分析可以对正常人和肥厚型心肌病患者进行有效鉴别，其灵敏度为 100%，特异度为90%。刘启明等13研究基于 CMR 影像组学鉴别肥厚型心肌病与健康人，该研究收集 100 例肥厚型心肌病患者及 50 例正常人左心室形态及功能（包括左室射血分数、舒张末期左心室容积、舒张末期左心室心肌质量）数据及从 CMR 短轴电影序列中心肌区域 3D 影像组学特征，结果表明，联合模型效果最好（AUC=0.882）。以上表明应用影像组学不仅可以比传统的视觉观察挖掘出更多的有效信息，而且体现出对鉴别高血压性心肌病及肥厚型心肌病的良好潜能。3 影像组学在缺血性心脏病CMR评估中的应用急性心肌梗死在慢性期时，缺血的心肌组织被非收缩性纤维组织替代，虽然这一过程起到了修复的作用，但也使心室功能发生改变14。坏死范围的大小决定了心脏一系列的病理生理情况，包括血流动力学改变，心室舒张功能等15。这体现了评估心肌瘢痕对于指导临床的重要意义。CMR 评估心梗后心肌结构和功能两种最常见的序列是电影序列和 LGE 序列，前者对于评估收缩功能、心室容积和射血分数至关重要，后者可量化评估瘢痕区域16。但部分患者难以耐受造影剂以及较长的检查时间，因此，应用非增强序列影像组学评估心肌瘢痕成为近年来国内外学者研究的热点。Baessler 等17研究了基于心脏磁共振电影序列纹理分析诊断亚急性和慢性缺血性心肌病，依据 LGE 的观察结果将具有亚急性或慢性缺血性心肌瘢痕的患者纳入实验组，并根据之前的显示的瘢痕大小将病人分为两个亚组，小瘢痕组有 48 例患者，大瘢痕组有 72 例患者，同时收集 60 名正常人的影像资料作为对照组。之后对电影序列中某一层图像进行 ROI 的勾画，提取特征并筛选后得到五个特征，包括 1 个一阶特征，1 个二阶特征以及2 个高阶特征。结果表明，在大疤痕和小疤痕亚组中，模型对于区分缺血性瘢痕和正常心肌的能力最佳，准确度最高特征的曲线下面积为 0.9317。Larroza 等18研究了基于 CMR 电影序列纹理分析区分慢性心肌梗死患者的存活节段、非存活节段及远程片段，在提取的所有特征中，2D+t LBP 得到了最佳的结果，曲线下面积为 0.849。Zhang 等19研究基于非增强MR 序列深度学习诊断慢性心肌梗死，结果显示 AUC 为0.94。Larroza 等20还提出了一种基于 CMR 影像组学用来区分急、慢性心肌梗死方法。该研究背后的病理依据是急、慢性心肌梗死病理成分的不同，急性心肌梗死主要表现为水肿，而慢性心肌梗死主要表现为纤维化，水肿和纤维化可能影响心肌在 CMR 的灰度级，但仅依靠肉眼观察难以评估。这项回顾性研究收集了 44 例患者的影像资料，结果表明应用支持向量机的影像组学模型可以区分急、慢性心肌梗死。尽管以上研究并非大样本，但其结论均展示出影像组学对缺血性心脏病精准诊断的巨大前景。4 影像组学在心律失常风险评估中的应用心律失常指心脏搏动的频率、节律、起源部位、传导速度异常的一组疾病，包括生理性和病理性心律失常。心律失常发作时可以表现为无症状、心悸、呼吸短促甚至晕厥21。4.1 影像组学在肥厚型心肌病继发心律失常风险评估中的应用当结构性心脏病改变了心脏的传导结构时，会导致心律失常发作，这在肥厚型心肌病患者中十分常见。Amano 等22应用 LGE 序列纹理特征对肥厚型心肌病患者与室性快速心律失常病史之间的关系进行了研究。在提取的 100 多个特征中，仅有 1 个纹理特征（entropy LL）在区分有无室性快速心律失常病史的患者方面取得了有希望的结果（AUC=0.72），但诊断效能仍然低于视觉评估的 LGE（AUC=0.96）22。费京乐23应用基于LGE 影像组学鉴别肥厚型心肌病患者有无室性心律失常，结果显示准确度最高的算法模型为 XGBoost，AUC 值为0.94。4.2 影像组学在急性心肌梗死继发心律失常风险评估中的应用心律失常是急性冠脉综合征常见的并发症，大约有 3综 述影像研究与医学应用 2024年3月 第8卷第5期 70%90%患有急性心肌梗死的病人发生心律失常，常表现为室颤或多形性室速24。急性心肌梗死发作后，可使心肌细胞不应期延长，电传导减慢，导致心律失常的发作25。左心室射血分数和心肌瘢痕等标志物可用于评估心律失常的风险。就心肌瘢痕而言，影响心梗患者心律失常风险的两个主要特征是瘢痕大小以及瘢痕不均匀性26。Kotu 等27收集了 20 名高风险患者和 34 名低风险患者，应用并比较了两种方法评估心肌梗死后心律失常的风险，一种是基于 LGE 的影像组学模型，应用了多种机器学习算法；另一种是基于左心室射血分数和心肌瘢痕大小的传统分类方法，之后对两种方法的诊断效能进行比较。结果显示，基于放射组学的模型与传统模型诊断效果相近，这表明影像组学模型可应用于心律失常风险管理中。5 不足与展望目前，在常规临床工作中，CMR 诊断决策主要根据独立参数（左心室射血分数等）得出，但此类独立功能参数的诊断和预后价值较低。同时，诊断依靠肉眼观察，这使得临床工作严重依赖医生水平，并且缺乏统一的标准。人工智能则对 CMR 诊断显现出巨大潜力，与以往传统的统计学方法相比，人工智能能够处理大量影像学数据并将临床信息整合在一起。随着人工智能算法的迭代更新，影像数据逐年积累以及全球医疗系统的数字化转型浪潮的到来，人工智能在医学领域必将对传统的医学工作带来巨大变革。因此，继续将影像组学技术落地于各类医疗场景，完成临床实践是研究人员重要的工作内容，从而为各类心脏疾病患者制定诊疗决策铺平道路。人工智能目前在 CMR 中的应用处于起步阶段，仍有许多亟待解决的问题。IBSI 为影像组学制订了一定的标准，但针对 CMR 的标准并未建立。综上所述，深度学习模型的可解释性以及影像组学的标准化和规范化，是未来研究的重要课题。人工智能在 CMR 中的应用有望彻底改变患者疾病监测和治疗模式，是实现精准医疗重要的一环。【参考文献】1 SALONI D,FIONA S,HANNAH R,et al.Causes of DeathJ/OL.Our World in Data,2023.https:/ourworldindata.org/causes-of-death.2 ALETRAS A H,KELLMAN P,DERBYSHIRE J A,et al.ACUT2E TSE-SSFP:a hybrid method for T2-weighted imaging of edema in the heart J.Magn Reson Med,2008,59(2):229-235.3 PARK J E,PARK S Y,KIM H J,et al.Reproducibility and generalizability in radiomics modeling:possible strategies in radiologic and statistical perspectives J.Korean J Radiol,2019,20(7):1124-1137.4 ZWANENBURG A,VALLIRES M,ABDALAH M A,et al.The image biomarker standardization initiative:standardized quantitative radiomics for high-throughput image-based phenotyping J.Radiology,2020,295(2):328-338.5 CARUSO D,POLICI M,ZERUNIAN M,et al.Radiomics in oncology,part 1:technical principles and gastrointestinal application in CT and MRI J.Cancers,2021,13(11):2522.6 RIZZO S,BOTTA F,RAIMONDI S,et al.Radiomics:the facts and the challenges of image analysis J.Eur Radiol Exp,2018,2(1):36.7 VARMA S,SIMON R.Bias in error estimation when using cross-validation for model selection J.BMC Bioinformatics,2006,7:91.8 葛均波.结构性心脏病的定义、范畴及其现状和未来J.上海医学，2021，44(4):217-220.9 刘亚欣.肥厚型心肌病和假肥大型肌营养不良症家系的致病基因及临床研究 D.北京:北京协和医学院，2014.10 PRADELLA S,GRAZZINI G,DE AMICIS C,et al.Cardiac magnetic resonance in hypertrophic and dilated cardiomyopathies J.Radiol Med,2020,125(11):1056-1071.11 PUNTMANN V O,VOIGT T,CHEN Z,et al.Native T1 mapping in differentiation of normal myocardium from diffuse disease in hypertrophic and dilated cardiomyopathy J.JACC Cardiovasc Imaging,2013,6(4):475-484.12 BAELER B,MANNIL M,MAINTZ D,et al.Texture analysis and machine learning of non-contrast T1-weighted MR images in patients with hypertrophic cardiomyopathy-Preliminary results J.Eur J Radiol,2018,102:61-67.13 刘启明，卢启帆，柴烨子，等.心脏磁共振短轴电影成像影像组学鉴别肥厚型心肌病与健康对照 J.上海交通大学学报（医学版）:1-8.14 JERNBERG T,HASVOLD P,HENRIKSSON M,et al.Cardiovascular risk in post-myocardial infarction patients:nationwide real world data demonstrate the importance of a long-term perspective J.Eur Heart J,2015,36(19):1163-1170.15 BONACA M P,BHATT D L,COHEN M,et al.Long-term use of ticagrelor in patients with prior myocardial infarction J.N Engl J Med,2015,372(19):1791-1800.16 KOTU L P,ENGAN K,EFTESTL T,et al.Segmentation of scarred and non-scarred myocardium in LG enhanced CMR images using intensity-based textural analysis J.Annu Int Conf IEEE Eng Med Biol Soc,2011,2011:5698-5701.17 BAESSLER B,MANNIL M,OEBEL S,et al.Subacute and chronic left ventricular myocardial scar:accuracy of texture analysis on nonenhanced cine MR images J.Radiology,2018,286(1):103-112.18 LARROZA A,LPEZ-LEREU M P,MONMENEU J V,et al.Texture analysis of cardiac cine magnetic resonance imaging to detect nonviable（下转第 7 页）7综 述影像研究与医学应用 2024年3月 第8卷第5期 16 HE J H,PENG R J,YUAN Z Y,et al.Prognostic value of androgen receptor expression in operable triple-negative breast cancer:a retrospective analysis based on a tissue microarray J.Med Oncol,2012,29(2):406-410.17 HUANG R,HAN J G,LIANG X S,et al.Androgen receptor expression and bicalutamide antagonize androgen receptor inhibit-catenin transcription complex in estrogen receptor-negative breast cancer J.Cell Physiol Biochem,2017,43(6):2212-2225.18 WANG X Y,BI X W,HUANG Z Z,et al.The prognostic value of androgen receptor(AR)in HER2-enriched metastatic breast cancer J.Endocr Relat Cancer,2020,27(4):199-208.19 BERTUCCI F,FINETTI P,BIRNBAUM D.Basal breast cancer:a complex and deadly molecular subtype J.Curr Mol Med,2012,12(1):96-110.20 DU H Y,LIN B R,HUANG D P.Ultrasonographic findings of triple-negative breast cancer J.Int J Clin Exp Med,2015,8(6):10040-10043.21 黄小莉，黄向红，王小燕，等.三阴性乳腺癌与非三阴性乳腺癌的超声造影特征探讨 J.中国超声医学杂志，2016，32(9):844-847.22 LUCK A A,EVANS A J,JAMES J J,et al.Breast carcinoma with basal phenotype:mammographic findings J.AJR Am J Roentgenol,2008,191(2):346-351.23 KRIZMANICH-CONNIFF K M,PARAMAGUL C,PATTERSON S K,et al.Triple receptor-negative breast cancer:imaging and clinical characteristics J.AJR Am J Roentgenol,2012,199(2):458-464.24 RYU E B,CHANG J M,SEO M,et al.Tumour volume doubling time of molecular breast cancer subtypes assessed by serial breast ultrasound J.Eur Radiol,2014,24(9):2227-2235.25 UEMATSU T,KASAMI M,YUEN S.Triple-negative breast cancer:correlation between MR imaging and pathologic findings J.Radiology,2009,250(3):638-647.26 SUNG J S,JOCHELSON M S,BRENNAN S,et al.MR imaging features of triple-negative breast cancers J.Breast J,2013,19(6):643-649.27 CHEN J H,AGRAWAL G,FEIG B,et al.Triple-negative breast cancer:MRI features in 29 patients J.Ann Oncol,2007,18(12):2042-2043.28 BAE,PARK S Y,SONG S E,et al.Heterogeneity of triple-negative breast cancer:mammographic,US,and MR imaging features according to androgen receptor expression J.Eur Radiol,2015,25(2):419-427.29 马少君，刘延梅，康晓丽，等.三阴性乳腺癌雄激素受体表达与 X 线和超声影像特征关系研究 J.陕西医学杂志，2020，49(12):1584-1588.30 张惠美，徐华军，毛新峰，等.雄激素受体表达阳性与阴性的三阴乳腺癌的钼靶 X 线特征 J.中国医学影像技术，2018，34(9):1368-1371.31 OCHI T,TSUNODA H,MATSUDA N,et al.Accuracy of morphologic change measurements by ultrasound in predicting pathological response to neoadjuvant chemotherapy in triple-negative and HER2-positive breast cancer J.Breast Cancer,2021,28(4):838-847.32 AMIOKA A,MASUMOTO N,GOUDA N,et al.Ability of contrast-enhanced ultrasonography to determine clinical responses of breast cancer to neoadjuvant chemotherapy J.Jpn J Clin Oncol,2016,46(4):303-309.33 HUANG Y X,LE J,MIAO A Y,et al.Prediction of treatment responses to neoadjuvant chemotherapy in breast cancer using contrast-enhanced ultrasound J.Gland Surg,2021,10(4):1280-1290.segments in patients with chronic myocardial infarction J.Med Phys,2018,45(4):1471-1480.19 ZHANG N,YANG G,GAO Z F,et al.Deep learning for diagnosis of chronic myocardial infarction on nonenhanced cardiac cine MRI J.Radiology,2019,291(3):606-617.20 LARROZA A,MATERKA A,LPEZ-LEREU M P,et al.Differentiation between acute and chronic myocardial infarction by means of texture analysis of late gadolinium enhancement and cine cardiac magnetic resonance imaging J.Eur J Radiol,2017,92:78-83.21 The Writing Committee of the Report on Cardiovascular Health and Diseases in China.中国心血管健康与疾病报告 2022 概要 J.中国循环杂志，2023，38(6):583-612.22 AMANO Y,SUZUKI Y,YANAGISAWA F,et al.Relationship between extension or texture features of late gadolinium enhancement and ventricular tachyarrhythmias in hypertrophic cardiomyopathy J.Biomed Res Int,2018,2018:4092469.23 费京乐.基于钆对比剂延迟强化心脏磁共振图像的影像组学特征对肥厚型心肌病患者有无室性心律失常的鉴别价值研究D.杭州：浙江大学，2020.24 于立鹏，杨志明.急性心肌梗死后缺血再灌注性心律失常发病机制及预防的研究进展 J.实用医学杂志，2016，32(9):1536-1537.25 LANDSTROM A P,DOBREV D,WEHRENS X H T.Calcium signaling and cardiac arrhythmias J.Circ Res,2017,120(12):1969-1993.26 崔辰.心血管磁共振组织学特征在心脏病诊断及预后评估中的价值 D.北京：北京协和医学院，2018.27 KOTU L P,ENGAN K,BORHANI R,et al.Cardiac magnetic resonance image-based classification of the risk of arrhythmias in post-myocardial infarction patients J.Artif Intell Med,2015,64(3):205-215.（上接第 3 页）