计算机辅助定量分析灰阶超声在腕管综合征诊断中的应用

邵洁，陈浩波，蔡叶华，张麒，邓彦明，张俊

腕管综合征(carpal tunnel syndrome，CTS)是正中神经在腕管内受压，导致其神经支配区感觉异常和麻木的一种疾病，女性多见，好发年龄为40～60岁[1]。CTS的典型临床表现为患肢桡侧三指半麻木，有典型的夜间麻醒史。目前，CTS的主要检查方法是肌电图检查和磁共振检查[2]，但肌电图检查为有创检查，并且有一定的假阴性；磁共振检查花费较高，并且对有金属植入物及幽闭恐惧症的患者不适用。近年来，超声在CTS的应用已十分广泛，目前国内外灰阶超声诊断主要为单纯的截面积以及神经厚度测量来判断神经损伤严重程度[3-7]，且主要依靠超声医生的主观判断来对疾病进行诊断，缺乏客观定量的数据分析支持，近年来，人工智能已在各种影像诊断和治疗中广泛应用[8]，计算机辅助定量分析(computer aided diagnosis，CAD)对图像的分析最早在20世纪60年代初就见报道[9]。本研究旨在通过人工智能提取在CTS中正中神经卡压形态学的客观数据，客观分析CTS的二维超声图像，弥补主观诊断的不足，提高CTS 的诊断准确性。

材料与方法

1.研究对象

搜集2018年10月-2019年10月来上海浦东医院就诊的60例CTS患者。入选标准：有明确手部症状(桡侧两指反复发作的麻木、刺痛，伴或不伴抓握力减弱及掌部肌肉萎缩)。排除标准：有腕部正中神经手术史，腕部骨折史，外伤史及其他可能引起神经病变的疾病(如甲减、糖尿病、慢性肾衰等)。其中女50例，男10例，平均年龄(54±9)岁，其中17例为双侧，43例为单侧，共77个异常手腕；另选取30位健康志愿者，入选标准：没有外周神经病变症状或能引起外周神经病变的潜在疾病。其中女25例，男5例，平均年龄(45±8)岁，共60个正常手腕。本研究获复旦大学附属上海浦东医院伦理委员会批准，所有参与研究的对象均知情同意并签署知情同意书。

图1 正常对照组正中神经边界的勾画。a)正常对照组的横切面图像；b)图a的勾勒图像；c)正常对照组的纵切面图像；d)图c的勾勒图像。 图2 CTS患者的正中神经边界的勾画。a)CTS患者的横切面图像；b)图a的勾勒图像；c)CTS患者的纵切面图像；d)图c的勾勒图像。

2.研究方法

对60例CTS患者进行肌电图检查，如有双侧累及行双侧检查，健康志愿者未进行肌电图检查。本研究中，60例CTS患者共77例异常手腕，均行肌电图检查。分类标准：轻度，正中神经运动传导远端潜伏期(DML)<4.5 ms；中度，DML≥4.5 ms，重度，DML完全延长至消失；肌电图结果显示其中重度36例，中度26例，轻度15例。

本研究以豌豆骨水平作为正中神经的测量部位，由一位经验丰富的超声科副主任医师对所有参与者进行超声检查，选用超声科Aixplorer L18-5探头在豌豆骨水平固定增益横切面及纵切面记录灰阶图像，使探头尽量垂直于神经平面，并施加轻微的压力，调节机器参数为灰阶增益值70 dB，深度2.0 cm，G40%，机械指数0.6，并且在二维超声图像中勾勒出正中神经的边界(图1、2)。

本研究采用的是传统超声CAD技术中的纹理分析，通过运算将肉眼观察到的图像量化[10]，从而反映其中呈规律性变化的排列特征[11-13]，该特征被广泛用于对各种图像的识别。本研究是利用像素的灰阶和相对位置建立起“灰阶共生矩阵”、得出“二阶矩”、“熵”、“对比度”，其中二阶矩反映图像均匀性，熵反映图像随机性，对比度反映相邻像素差异，从而反映出各种不同类图像的差异[14]。

使用MATLAB R2007a设计计算机辅助定量分析软件，对勾勒边界的灰阶神经图像，计算机软件用数值代替不同的灰阶颜色，计算正常以及不同程度病变神经的灰阶值。运用了多参数来描述神经的形态学特征，共得到51个参数：①一阶统计量特征：病灶区域像素的均值(meanVin)，标准差(stdV)，变异系数(CoV)，偏度(skewV)，峰度(kurtV)，直方图熵(归一化)(EntropyHis1)，亮度熵(归一化)(EntropyBrt1)，直方图熵(EntropyHis2)，亮度熵(EntropyBrt2)，整个灰阶区域像素的均值(meanROI)，中值(medianROI)。②灰度共生矩阵纹理特征：灰度共生矩阵包括对比度、熵和能量等。其中对比度反映的是图像纹理的非均匀程度，图像越不均匀，则对比度越大，包括病灶内外区域像素均值比(meanRatio)及同深度均值比(meanRatio2)，中值比(medianRatio)及同深度中值比(medianRatio2)；21个分位数(从q0到q1，两两间隔0.05，共有21个分位数)，分位数是指将病灶中的像素点按照从小到大排列，比如q0就表示最小位置的数(第一位的数)，q0.35表示在35%位置的数，q1表示最大位置的数。③形态学特征：定量描述神经的形状，包括病灶厚度最大值(maxVthk)，病灶厚度中值(medianVthk)，病灶厚度均值(meanVthk)，病灶长度的最大值(maxVlong)，病灶长度的中值(medianVlong)，病灶长度的均值(meanVlong)，病灶面积(areaOri)，长轴(Rlong)，短轴(Rshort)，填充病灶区域的最小凸多边形面积(Area_con)，离心率(Eccentricity)，与病灶面积具有相同面积的圆的面积(D)，长轴与x轴的交角(Orientation)，病灶周长(Perimeter)，病灶区域和其最小凸多边形中的像素比例(Solidity)。

3.统计分析

本研究采用SPSS统计软件对数据进行统计学分析，当参数符合正态分布时，采用平均数和标准差表示，采用独立样本t检验进行比较；当参数不符合正态分布时，采用中位数与四分位距，采用Wilcoxon检验进行比较。各组间比较计算正中神经的横切面和纵切面定量参数，以P<0.05为差异具有统计学意义。

结 果

1.一阶统计量特征

患者组与正常组一阶统计量特征参数差异均有统计学意义(表1)。CTS患者病灶区域像素的均值、标准差、变异系数、偏度、峰度、直方图熵均比正常组大，CTS患者的亮度熵、整个灰阶区域像素中的均值、中值则较正常组低。直方图熵越大，灰度分布越不均匀，而亮度熵越大，灰度分布越均匀，这些参数均表明在CTS患者中，图像分布较正常对照组不均匀。

表1 患者组与正常组一阶统计量特征参数比较

2.灰度共生矩阵特征

CTS患者表示对比度的参数meanRatio、meanRatio2、medianRatio、medianRatio2均高于正常组(表2)，表明在CTS患者中，图像分布较正常对照组不均匀；而在分位数中，除部分参数q0.2、q0.25、q0.3、q0.35、q0.4、q0.45差异没有统计学意义之外，余参数差异均有统计学意义，表明CTS患者图像分布较正常组有差别。

表2 患者组与正常组灰度共生矩阵特征参数比较

3.形态学特征

形态学特征参数里面，CTS患者与正常组间除Solidity差异没有统计学意义之外，其余参数差异均有统计学意义(表3)。CTS患者病灶的厚度、长度、面积、长轴、短轴、周长等参数均较正常组大，表明CTS患者正中神经较正常组较肿胀，横截面积增大，以定量的方式来区分CTS患者和正常组。

表3 患者组与正常组形态学特征参数比较

讨 论

腕管是一个狭窄的骨性管道，正中神经在其中走行，周围见9条屈肌腱，支配前臂屈侧的大部分肌肉，以及桡侧三指半大部分肌肉和手掌桡侧的皮肤感觉[15]。腕管内压力升高是引起CTS的关键因素[16]，主要病因是腕指反复屈伸活动造成腕部的慢性劳损使腕管内压力升高，会直接损伤正中神经，影响轴索的轴浆运输速度[17]，并且会造成神经细胞缺血缺氧，导致施万细胞变性、坏死[18]，导致神经肿胀，继而神经纤维化，变性。在超声图像多表现为神经肿胀增粗，回声减低，束状结构模糊，横截面积增大，卡压处可见切迹。目前超声在CTS上应用已比较广泛，主要有下列参数：横截面积[19-20]，肿胀率(正中神经卡压处与近端非卡压部位横截面积的比值)[21]，扁平率(腕管内正中神经卡压部位长径与短径之比)[22]和正中神经内血流分布[23]，弹性成像[24]，三维超声图像[25]，腕管内异常结构[26]等。研究认为，CTS患者横截面积增大，肿胀率、扁平率增高，正中神经内血流分布增多，硬度增高，但参数的种类与现有参数的相关阈值存在较大差异，且超声检查较为主观，长期从事神经超声检查的操作者，尽管可以凭经验描述正中神经的回声强度，回声均匀性，形态是否肿胀，但这种高度依靠肉眼判断的读图模式，医生的专业水平及仪器调节对其影响较大，对于同一张图像或不同操作条件下的同一个病例，不同的超声医师会有不同的诊断结果，难以客观、准确的反映正中神经的图像纹理，目前还是没有统一的诊断标准。

随着超声各种新技术的开展，超声检查在CTS中的应用越来越多。CAD技术也被广泛应用到各个方面，赵佳琦等[27]研究表明CAD技术在离体猪横纹肌损伤模型的纹理识别中具备定量诊断能力，而神经卡压因病因、卡压程度不同可导致超声图像上纹理变化不同，需要采取一种自动化、智能化的定量识别方法。本研究采用CAD技术对比分析CTS患者和正常对照组的二维灰阶图像，在得出的51个参数中，大部分参数差异有统计学意义，其中表示图像分布均匀性及图像形态学的参数更具临床诊断价值，而分位数临床诊断价值不大，说明在CTS 患者中，除了正中神经肿胀，横截面积增大之外，图像分布还较正常组不均匀。由于CAD提取生物组织本身的声学参数，结构参数和组织结构间的关系，提取不同灰度强度值的二维图像阵列，描述神经分布均匀性，形态学特征的纹理特征，如将定量指标与常规超声诊断参数相结合，补充常规超声诊断的不足，能为临床提供更多CTS 的诊断信息，全面评价CTS。CAD定量描述神经二维参数，从而客观地评价正中神经损伤，对疾病的诊断和严重程度的分级提供更准确的信息，将操作者的主观影响降到最低。

本研究的不足之处在于，由于采用的是传统的CAD技术，首先需要通过人工提取图像特征，然后将其量化，再进行机器学习[28]，虽然训练的准确度得到了有效的提高，并使运算变得简单，但提取大量数据需要的人力成本较高，可能出现人为偏倚，还可能存在一些潜在的特征不能被机器所主动识别[29]。由于个体的体表脂肪厚度都不同，其神经压迫的程度也不一样，会影响到量化的准确度。且本研究的样本数(137例)较少，后续研究需要加大样本量。本研究的入组标准中，未考虑正常对照组和CTS患者之间的组间差异，如受教育程度、是否惯用手、手的活动程度等。该研究对操作者要求也较高，未考虑各向异性、meanRatio、Solidity等参数差异没有统计学意义，可能是由于操作水平差异。

综上所述，CAD在CTS诊断中表现良好，在对CTS患者行高频超声检查时，可通过CAD分析正中神经的均匀性和对比度。