學會會訊
很榮幸有機會來自台灣腦中風學會會訊的邀稿，分享國立中央大學暨壢新醫院聯合研發跨領域整合團隊研究成果之一。遙想當初中大與壢新媒合會議時我還是一位博一新生，懷抱著對跨領域生醫影像研究的熱忱，自告奮勇寄了一封e-mail給當時壢新醫院神經科陳右緯主任，自此開啟至今長達七年多的神經影像研究。
提出電腦輔助自動分割和量化方法系統應用於缺血性中風患者之磁振造影病灶區，研究發想於量化大腦白質病變(White matter hyperintensities，WMH)體積的重要性，臨床上發現大腦白質病變與大腦血管梗塞(Cerebral infarct，CI)息息相關且普遍發生於急性梗塞性腦中風(Acute ischemic stroke)病患，而且白質病變的體積與後續智能的退化、服用抗凝血劑之出血機率、復發性中風風險與預後皆有相關。對醫師而言，希望藉助軟體輔助量化病灶大小與提供處置精準建議；對病人而言則期待提供及時診斷，縮短處置時間，提升預後成效。依據壢新醫院急性腦中風病人的標準MRI造影流程共有13組系列超過四百張影像，臨床判讀時間平均需10分鐘，複雜病例則可能需20-30分鐘，所以影像病變區域偵測與量化提供臨床即時運用需要跨領域團隊來完成。
由於大腦磁振造影FLAIR上白質病變與腦梗塞的表現十分相似，單純依靠FLAIR影像難以明確分辨白質病變與腦梗塞區域，容易產生混淆；尤其當兩者病灶區域重疊時，則更加提升識別的困難度。我們開發出電腦輔助自動分割和量化方法以辨識腦部白質病變且計算其體積。以多模式神經影像結合T1權重影像(T1-weighted image，T1w)、FLAIR(Fluid-attenuated inversion recovery)影像與擴散權重影像(Diffusion weighted image，DWI)，根據腦部白質病變與腦部梗塞區域的磁振造影強度分布的統計圖與腦結構圖譜信息的使用，以有經驗的神經科醫師之臨床經驗定義擷取病灶影像特徵偵測與辨識腦部白質病變與梗塞區。
偵測與辨識白質病變區域演算法包含以下步驟：(a)、擷取T1權重影像、FLAIR影像與擴散權重影像；(b)、以FLAIR影像為參考，進行T1權重影像與擴散權重影像之對位(Registration)，獲得對位後的T1權重影像與擴散權重影像；(c)、白質病變區域於T1權重影像上有較低的影像強度使錯誤分割白質區域，所以合成(Fusing)FLAIR影像與該對位後T1權重影像以彌補該較低的影像強度，形成一T1權重合成影像，並透過該合成影像決定一白質區域遮罩；(d)、取FLAIR影像與該白質遮罩交集區域進行影像強度標準化；(e)、經過步驟(d)之後，當該交集區域之一體素強度高於預設體素強度門檻值時，將該體素列入候選白質病變區域；(f)、透過該對位後擴散權重影像偵測與分割腦梗塞區域；(g)、當白質病變區域與腦梗塞區域部分重疊時，則移除部分重疊區域產生餘留的白質病變區域；(h)、當該重疊區域範圍與腦梗塞區域之比值大於一預設值時，則將該餘留的白質病變區域移除；(I)、最後判斷與去除由於腦梗塞造成周圍水腫假陽性的白質病變區域[1, 2]。
以有經驗的神經科醫師習用之人為判斷半自動白質病變區域分割法做為標準(Gold standard)，以相似性指數(Similarity index，SI)比較半自動與全自動分割演算法偵測白質病變區域的相關程度，並以敏感性(Sensitivity)與特異性(Specificity)判斷使用全自動演算法偵測白質病變區域的準確度，提出之演算法的白質病變偵測結果與習用之半自動分割方法的標準偵測結果之間的一致性很高於驗證組中，FLAIR影像上只有白質病變存在時其白質病變分割結果平均SI為83.142 ± 11.742%，平均敏感性為84.154 ± 16.086%，平均特異性為99.988 ± 0.029%；白質病變與腦梗塞同時存在時其白質病變分割結果平均SI為68.826 ± 14.036%，平均敏感性為74.381 ± 18.473%，平均特異性為99.956 ± 0.054%。證明此電腦輔助分割和量化腦部白質病變區的準確性有相當價值以及其能取代費力、費時、並且偵測品質取決於操作者習用之半自動分割量化方法。我們的跨領域腦中風神經影像整合團隊將持續開發一系列急性缺血性中風腦梗塞之電腦輔助診斷演算法與中風預後相關研究，在不久的將來期待與大家分享。
自動分割與量化急性缺血性中風腦梗塞的白質病變軟體之使用者介面
參考文獻
