一种脑结构自动化测量方法应用于阿尔茨海默病诊断的初步探讨

摘要

目的 初步探讨一种脑结构自动化测量方法 用于脑区体积测量和阿尔茨海默病(Alzheimer's disease,AD)脑结构变化检测,进而评估脑结构自动化测量的可靠性和应用于AD诊断的临床价值.材料与方法 为研究脑结构自动化测量方法 的可靠性,收集的204例正常人的脑部结构MRI影像数据,分别利用脑结构自动化分析和有经验的医生人工勾画测量两种方法 ,对左、右侧海马,左、右侧脑室,左、右侧尾状核,左、右侧壳核,左、右侧丘脑共10个脑区的体积进行测量并进行比较.为评估脑结构自动化测量方法 应用于AD诊断的临床价值,研究纳入34例AD患者,并依据年龄和性别匹配一组正常人群作为对照组(n=34),采用自动化分析方法 测量全脑47个主要脑区(包括额叶、颞叶、顶叶、枕叶、岛叶、扣带回及其他)的体积,比较两组人群脑区体积的差异.结果 皮尔逊相关性(Pearson's correlation)分析结果 显示,两种测量方法 对选取的10个脑区的体积测量均具有很好的相关性(判定系数r2>0.9).Bland-Altman一致性分析表明,所有脑区测量差异的均值位于0点附近,变异系数均小于5％.两种方法 对脑区的分割差异相对比率的中位数分别为2.94％、3.08％、3.42％、2.90％、2.72％、3.20％、2.91％、2.84％、3.24％、3.39％.在对AD人群47个主要脑区体积的自动化测量中,发现AD组中的脑室结构(侧脑室、第三脑室、第四脑室)绝对体积相比较于对照组显著增加(P<0.05);32个其他脑区的绝对体积相比较于对照组显著降低(P<0.05).此外,AD组中11个脑区的绝对体积和相对体积相比较于对照组都存在显著减少,分别包括内侧前额叶(P=0.0009)、颞中回(P=0.0003)、颞下回(P=0.0012)、颞极(P=0.0093)、角回(P=0.0030)、楔前叶(P=0.0052)、后扣带回(P=0.0157)、杏仁核(P<0.0001)、海马体(P=0.0016)、基底区域(P=0.0022)、内嗅区(P=0.0003).结论 应用脑结构自动化测量技术可准确评估脑部结构体积变化,与有经验的医生人工勾画测量具有良好的一致性,且能够较为准确地检测出与AD相关的脑结构变化,具有应用到AD诊断的潜在价值.