胸脊髓损伤的胶质瘢痕影像学多特征分析与精准鉴别研究

Non-invasive exploration of glial scars has important role in diagnosis and treatment for chronic thoracic spinal cord injury (SCI). At present, non-invasive diagnosis of glial scar mainly depends on magnetic resonance imaging. However, the glial scar which is similar to the surrounding cords, has no MRI quantitative criterion of identification. Image features acquired by conventional MRI can not accurately identify glial scars. Therefore, we propose a new method for identifying glial scars in combination with multimodal MRI and supervised machine learning. Based on simulated clinical chronic thoracic SCI, we describe glial scars in terms of cell components, water molecules diffusion properties, and structural complexity by multi-modal MRI (such as structural, diffusion kurtosis, and diffusion tensor imaging). And we use feature extraction to systematically acquire and analyze the image/data texture features of glial scars in different imaging modalities to establish MRI multi-feature description. Combining imaging and pathology information, we establish a classification model through feature selection and classifier fusion method to clarify the quantitative correspondence between multiple image characteristic markers and histopathological features, and explore MRI signatures of glial scars, and finally achieve accurate Non-invasive identification of glial scars, which can provide an important basis for the repair and evaluation of chronic thoracic spinal cord injury.

无创探查胶质瘢痕对陈旧性胸髓损伤治疗的方案制定和疗效评估具有重要意义。目前胶质瘢痕无创诊断主要依赖磁共振成像（MRI），但由于胶质瘢痕与周边脊髓结构成分相似，且缺乏MRI量化标准，仅凭常规MRI获取的单一影像特征无法准确识别胶质瘢痕。针对上述问题，本项目提出了一种结合多模态MRI和监督类机器学习来识别胶质瘢痕的新方法。首先采用模拟临床的陈旧性胸髓损伤模型，通过结构、弥散峰度、弥散张量成像等多模态MRI从细胞组分、水分子弥散性质、结构复杂程度等多方面来描绘胶质瘢痕，并采用特征提取来系统获取并分析胶质瘢痕在不同成像模态下的图像/数据纹理特征，建立MRI多特征描述；随后结合影像学与病理学信息，通过特征选择及分类器融合策略建立分类模型，明确多种影像特征与组织病理特征的定量对应关系，发现胶质瘢痕的MRI特征标记物，以实现特异性、准确的无创识别胶质瘢痕，为陈旧性胸髓损伤的修复治疗和评估提供重要依据。

本课题拟建立无创识别陈旧性脊髓损伤（CSCI）磁共振图像（MRI）中坏死区域的方法。基于此研究目标，开展了以下几项主要工作：脊髓损伤胶质瘢痕动物模型的研究；磁共振多模态成像及特征提取的研究；组织病理学图像配准及分析的研究；构建组织分类模型（分类器）的研究；胶质瘢痕的特征确定及精准识别研究。.该研究建立了基于病理“金标准”标识MRI图像坏死区域的方法，其标识结果在圆度和偏心率上的相似度分别达到0.933±0.032和0.972±0.020。在此基础上探索和获取了所有实验动物图像高质量的超像素、适宜的多模态影像特征以及最佳的分类模型，得到的坏死区域的识别结果分别为阳性预测值（PPV）：0.874±0.096、灵敏度（SE）：0.906±0.092和Dice系数值：0.883±0.065。随后，对监督学习方法中获取的超像素特征集经过直方图一致性分析、线性相关性分析以及主成分分析获取了区分MRI图像中坏死区域与非坏死区域的影像学综合判别指标，在该判别指标下获取的识别准确度分别为PPV：0.875±0.098，SE：0.897±0.088以及Dice系数：0.880±0.070。.本研究创新性地运用了不同模态的MRI图像来提供胶质瘢痕的多种影像学特征，弥补了单一特征特异性不足的缺陷，获得了较高的瘢痕定位准确度。本课题将超像素方法应用于CSCI脊髓MRI图像中坏死区域的识别研究，定量地解析了胶质瘢痕所构成的坏死区域的影像学多特征与组织病理学结果之间的对应关系，明确了综合判别指标作为胶质瘢痕坏死区域的MRI特征标记物的可靠性。基于这些成果，本研究为理解CSCI胶质瘢痕的影像学特征表现提供了理论依据，为消除脊髓胶质瘢痕坏死区域的研究提供了技术支持。MRI图像中坏死区域的无创、智能化定位可为今后科研和临床上开展脊髓损伤或修复情况的长时程观测提供指导意见，将有力地推进CSCI相关基础研究和临床试验的开展及SCI修复成果的临床转化。