European Radiology：深度学习模型对脂肪和淋巴水肿患者的标准化评估

单侧或双侧腿围的慢性增加可由一系列病理状况引起，除了静脉疾病和肥胖外，淋巴水肿和脂肪水肿是导致肢体周长增加的主要原因。淋巴水肿的特点是由于淋巴引流障碍导致软组织肿胀，从而导致间质液体积聚。脂肪性水肿是一种以四肢脂肪组织堆积为特征的疾病，主要发生于女性。患者通常表现为身体脂肪在四肢的分布不成比例，并进一步出现疲劳和感觉减退等症状。此外，受影响的病人可能出现淋巴水肿。

到目前为止，人们对脂肪水肿的病理生理学了解的并不透彻。对于患有脂肪水肿或淋巴水肿的患者来说，机械性损伤（可引起继发性关节炎或影响正常行走）和情感障碍都会导致生活质量的下降。

传统上，脂肪水肿和淋巴水肿的诊断是通过临床检查来确诊，包括评估腿围、点状水肿、疼痛、典型的临床症状（如Stemmer征）、标准化的人体测量（如体重、体重指数、腰臀比、腰高比）以及患者病史。特别是自从引入淋巴水肿的显微外科治疗方案后，在专业中心引入了MR淋巴管成像（MRL）用于治疗计划和治疗监测。由于简单的人体测量不能单独评估筋膜下和皮下组织，也不能提供这些组织在整个四肢的体积分布信息，因此，需要利用现有的成像技术对这些不同部位进行精确的体积评估。

近年来，DL方法已经显示出其在医学图像分析中自动量化组织体积的潜力。因此，DL也可以为临床提供一个有用的评估工具，对疑似脂肪水肿或淋巴水肿的患者进行基于影像的组织体积自动评估。

近日，发表在European Radiology杂志的一项研究开发了一个DL模型，该模型允许从脂肪水肿或淋巴水肿患者腿部的现有MRI中自动提取组织体积、分布和对称性的精确标准化信息以用于皮下组织（SCT）和筋膜下组织（SFT）的标准化量化，同时探讨了不同模型的性能和效率。

本研究开发了一个深度学习（DL）模型，包括

（i）解剖标志的定位（股骨头、骨骺、膝盖、脚踝）

（ii）有质量保证的组织分割，以实现皮下（SCT）和筋膜下组织（SFT）体积的标准化量化。

用于方法开发的回顾性数据集包括45名患者（42名女性，44.2±14.8岁），每位患者均接受了下肢的临床三维DIXON MR-淋巴管成像检查。对40名患者的16573张轴位图像进行了五倍交叉验证训练，对5名患者的2187张轴位图像进行了测试。采用U-Net架构并以EfficientNet-B1为编码器，在轴位图像上进行SCT和SFT的分割。

最后，将确定的信息用于标准化的分析和可视化的组织体积、分布和对称性，不受腿长、图像厚度和病人位置的影响。 

本研究提出的模型在标志检测（Z值偏差=4.5±3.1毫米）和分割（Dice评分：SCT=0.989±0.004，FFT=0.994±0.002）方面观察到了出色的测试结果。  

图 评估手术治疗成功的示例。该图展示了一位接受手术治疗（淋巴静脉吻合术）的淋巴水肿患者（女性，55岁）的治疗前和1年的随访扫描图像。随访检查的累计轴位组织面积显示，蓝色显示的是筋膜下组织（SFT）的分布，黄色显示的是皮下组织（SCT）的分布。初次扫描和后续扫描之间的组织量差异，即在治疗过程中减少的组织部分用红色表示。在右腿和左腿旁边，用白色字体表示初始检查时测量的SFT和SCT的总体积，用蓝色和黄色字体表示随访检查时测量的SFT和SCT的总体积，用红色字体表示体积减少的情况。在图的右侧，SCT体积在初始和随访扫描之间的变化以黄色和不同的比例表示，以突出在治疗过程中主要发生的组织体积的减少

本项研究提出了一个可用于根据MRI对疑似脂肪水肿或淋巴水肿患者的组织体积、分布和对称性进行标准化和客观分析的DL系统，为临床对该类患者的病情及治疗效果评估提供了技术支持。

原文出处：

Sebastian Nowak,Andreas Henkel,Maike Theis,et al.Deep learning for standardized, MRI-based quantification of subcutaneous and subfascial tissue volume for patients with lipedema and lymphedema.DOI:10.1007/s00330-022-09047-0