分享:
分享到微信朋友圈
X
临床研究
心脏磁共振影像组学对肥厚型心肌病的价值研究
吕静 朱永琪 朱彦芳 何瑛 王艺霖 王霈 朱力 刘云

Cite this article as: LÜ J, ZHU Y Q, ZHU Y F, et al. Study of the value of radiomics based on cardiac magnetic resonance in hypertrophic cardiomyopathy[J]. Chin J Magn Reson Imaging, 2024, 15(2): 30-41.本文引用格式吕静, 朱永琪, 朱彦芳, 等. 心脏磁共振影像组学对肥厚型心肌病的价值研究[J]. 磁共振成像, 2024, 15(2): 30-41. DOI:10.12015/issn.1674-8034.2024.02.005.


[摘要] 目的 初步探索基于心脏磁共振(cardiovascular magnetic resonance, CMR)影像组学揭示肥厚型心肌病(hypertrophic cardiomyopathy, HCM)患者心肌病变影像组学特征的临床应用价值。材料与方法 回顾性分析宁夏医科大学总医院2018年1月1日至2022年12月31日确诊为HCM的患者142例及健康对照组72例的CMR影像及临床资料。选择CMR未增强亮血电影序列左心室长轴位两腔心、四腔心二尖瓣口水平切面,以舒张末期壁厚(end-diastolic wall thickness, EDWT)为基础,将HCM患者心肌分为肥厚区域(无HCM家族史,EDWT≥15 mm;有HCM家族史,EDWT≥13 mm)与非肥厚区域(无HCM家族史,EDWT<15 mm;有HCM家族史,EDWT<13 mm),和健康对照组在室间隔、心尖、左心室侧壁、左心室前壁及左心室下壁等相同解剖部位室壁分别进行感兴趣区(region of interest, ROI)勾画及影像组学特征提取,分组后行影像组学特征组间比较。采用Mann-Whitney U检验、递归特征消除法(recursive feature elimination, RFE)及最小绝对收缩与选择算法(least absolute shrinkage and selection operator, LASSO)进行影像组学特征筛选并使用支持向量机(supportvector machine, SVM)算法建立影像组学模型,最后计算准确度、敏感度、特异度、阳性预测值(positive predictive value, PPV)、阴性预测值(negative predictive value, NPV)受试者操作特征曲线下面积(area under the curve, AUC),分别评价各模型效能;并统计分析HCM患者及健康对照组临床资料。结果 (1)HCM组的左心室收缩末期容积(left ventricular end systolic volume, LVESV)、LVESV指数(LVESV index, LVESVI)、左心室舒张末期室壁质量(left ventricular end diastolic wall mass, LVED wall mass)、左心室舒张末期室壁+乳头肌质量(left ventricular end diastolic wall+papillary mass, LVED wall+papillary mass)、左心室收缩末期室壁质量(left ventricular end systolic wall mass, LVES wall mass)、左心室收缩末期室壁+乳头肌质量(left ventricular end systolic wall+papillary mass, LVES wall+papillary mass)、舒张末期左室壁最大厚度(left ventricular maximum wall thickness, LVMWT)均高于健康对照组(P<0.05)。(2)HCM患者肥厚区域、非肥厚区域与健康对照组左心室相同解剖部位室壁影像组学鉴别模型鉴别效果良好;HCM非肥厚区域组(左心室前壁)与HCM肥厚区域组(左心室前壁)影像组学鉴别模型为本研究的最优模型,其AUC值、准确度、敏感度、特异度、PPV及NPV在训练集中为0.98、93%、94%、92%、89%、96%;在测试集中为0.97、94%、92%、96%、92%、96%。结论 影像组学可通过深入全面的定量分析HCM患者不同病变状态心肌组织,为评估HCM患者心肌组织学改变提供客观敏感的新方法,有助于更准确地评估HCM患者病情、提高CMR检查效率及减少检查费用,有望为探寻方便快捷检测心肌组织学状态的人工智能技术开发及临床应用提供新思路。
[Abstract] Objective To extract and analyze the myocardial radiomics features of patients with hypertrophic cardiomyopathy (HCM) and healthy controls, and to explore the clinical application value of radiomics features of HCM based on cardiac magnetic resonance (CMR) radiomics.Materials and Methods The CMR imaging and clinical data of 142 patients with HCM and 72 healthy controls from the General Hospital of Ningxia Medical University from January 1, 2018 to December 31, 2022 were retrospectively collected and analyzed. The CMR unenhanced bright-blood cine sequence was used to select the left ventricular long axis two-chamber and four-chamber mitral valve level view. Based on the end-diastolic wall thickness (EDWT), the myocardium of HCM patients was divided into hypertrophic region (no family history of HCM, EDWT≥15 mm; family history of HCM, EDWT≥13 mm) and non-hypertrophic region (no family history of HCM, EDWT <15 mm; family history of HCM, EDWT<13 mm), the region of interest (ROI) was delineated and radiomics features were extracted from the ventricular wall of the same anatomical part of the healthy control group, such as ventricular septum, apex of heart, lateral wall of left ventricle, anterior wall of left ventricle and inferior wall of left ventricle,and the radiomics features were compared between the two groups after grouping. Mann-Whitney U test, recursive feature elimination (RFE), and least absolute shrinkage and selection operator (LASSO) were used to select the radiomics features and establish the radiomics model. Finally, the accuracy, sensitivity, specificity, positive predictive value (PPV) and negative predictive value (NPV) and area under the curve (AUC) were used to evaluate the performance of each model. The clinical data of HCM patients and healthy controls were statistically analyzed.Results (1) In the HCM group, left ventricular end systolic volume (LVESV), LVESV index (LVESVI), left ventricular end diastolic wall mass (LVED wall mass), left ventricular end diastolic wall+papillary mass (LVED wall+papillary mas), left ventricular end systolic wall mass( LVES wall mass), left ventricular end systolic wall+papillary mass ( LVES wall+papillary mass), left ventricular maximum end-diastolic wall thickness (LVMWT) were higher than those of the healthy control group (P<0.05). (2) The radiomics features of hypertrophic regions and non-hypertrophic regions in HCM patients and the healthy control group had a good discrimination effect on the same anatomical part of left ventricular wall. The radiomics differential model between HCM non-hypertrophic region group (left ventricular anterior wall) and HCM hypertrophic region group (left ventricular anterior wall) was the optimal model in this study, and its AUC value, accuracy, sensitivity, specificity, PPV and NPV were 0.98, 93%, 94%, 92%, 89% and 96% in the training set. In the test set, the values were 0.97, 94%, 92%, 96%, 92%, 96%.Conclusions The results show that the radiomics model not only has good efficacy in the identification of hypertrophic and non-hypertrophic regions of the myocardium in HCM and healthy people, but also can well distinguish hypertrophic and non-hypertrophic regions of the myocardium in HCM, indicating that the radiomics method can provide a potential and sensitive new technology for the evaluation of myocardial histological changes through in-depth and comprehensive quantitative analysis of myocardial tissue in HCM patients with different pathological states. It provides a kind of potential and sensitive new technique for evaluation of myocardial histological changes. It is helpful to evaluate the condition of HCM patients more accurately, improve the efficiency of CMR examination and reduce the cost of examination, and provide a new idea for the development and clinical application of artificial intelligence technology to detect myocardial histological status easily and quickly in the future.
[关键词] 肥厚型心肌病;心脏磁共振;影像组学;磁共振成像;电影序列;支持向量机
[Keywords] hypertrophic cardiomyopathy;cardiac magnetic resonance;radiomics;magnetic resonance imaging;cine sequence;supportvector machine

吕静 1   朱永琪 2   朱彦芳 3   何瑛 1   王艺霖 4   王霈 4   朱力 4   刘云 4*  

1 宁夏医科大学临床医学院,银川 750004

2 宁夏人民医院医学影像中心,银川 750002

3 银川市妇幼保健院医务科,银川 750299

4 宁夏医科大学总医院放射科,银川 750004

通信作者:刘云,E-mail:yunliusky@163.com

作者贡献声明::刘云设计本研究的方案,对稿件重要内容进行了修改;吕静设计本研究的方案、起草和撰写稿件、分析及解释本研究的数据并对稿件重要内容进行了修改;朱永琪、朱彦芳、何瑛、王艺霖、王霈、朱力获取、分析或解释本研究的数据,对稿件重要内容进行了修改;朱力获得宁夏重点研发计划项目的资金资助。全体作者都同意发表最后的修改稿,同意对本研究的所有方面负责,确保本研究的准确性和诚信。


基金项目: 2022年度宁夏重点研发计划项目 2022BEG02025
收稿日期:2023-09-26
接受日期:2023-12-29
中图分类号:R445.2  R542.2 
文献标识码:A
DOI: 10.12015/issn.1674-8034.2024.02.005
本文引用格式吕静, 朱永琪, 朱彦芳, 等. 心脏磁共振影像组学对肥厚型心肌病的价值研究[J]. 磁共振成像, 2024, 15(2): 30-41. DOI:10.12015/issn.1674-8034.2024.02.005.

0 引言

       肥厚型心肌病(hypertrophic cardiomyopathy, HCM)是一种常见的遗传性心脏病[1]。HCM主要病因是编码心肌肌小节相关蛋白基因致病性变异[2],病理特征表现为左心室室壁肥厚、心肌细胞肥大、排列紊乱、心肌胶原合成增加和心肌纤维化[1, 3]。HCM患者常见的死亡原因包括心脏性猝死(sudden cardiac death, SCD)、心衰及血栓栓塞[4],其中SCD的危险性伴随HCM患者终身[5];心衰作为HCM广泛存在的并发症,与HCM患者死亡风险增加独立相关[6];房颤是血栓栓塞最常见原因,其相关死亡率可达0.7%[7]。早期识别HCM患者心肌异常改变并采取适当干预措施,可减少并发症、预防心脏突发事件且改善预后。心脏磁共振(cardiovascular magnetic resonance, CMR)是目前诊断HCM首选影像学方法,可评估心脏功能及心肌病变状态,但诊断结果主要依赖诊断者纯视觉观察及经验分析,不能客观准确地反映心肌病变状态。荷兰学者LAMBIN于2012年首次提出影像组学概念,定义为“从医学图像中提取高通量影像特征”[8]。不少学者[9, 10, 11]证明基于CMR的影像组学可在HCM患者的鉴别诊断、危险分层及预后评估方面提供有用信息,但均致力于对HCM患者整体心肌的研究分析。目前已有研究[12, 13, 14]通过T1、T2值定量、心肌灌注技术及心脏弥散张量成像证实HCM患者的肥厚区域心肌与非肥厚区域心肌处于不同程度的病理、功能状态,但尚无运用影像组学的方法来区分两者不同病理状态细微差异的研究。因此,本研究通过分别提取HCM患者肥厚区域心肌与非肥厚区域心肌的影像组学特征,并与相同解剖部位的健康人群心肌进行对比分析,以探讨基于CMR影像组学在揭示HCM患者心肌病变特征方面的潜在临床应用价值,从而早期识别HCM患者心肌异常状态、更好地理解HCM疾病发展进程。

1 材料与方法

1.1 临床资料

       本研究遵循《赫尔辛基宣言》,所有方法均按照相关的指导方针和规定进行,并获得宁夏医科大学总医院伦理委员会批准,免除受试者知情同意,批准文号:KYLL-2023-0401。回顾性分析自2018年1月1日至2022年12月31日在宁夏医科大学总医院放射科行CMR检查并符合纳入、排除标准的HCM患者及健康对照组的CMR影像资料及相关临床资料。HCM患者组纳入标准:(1)符合欧洲心脏病协会制定的HCM临床诊断标准,成人HCM的诊断标准为任何心脏影像学检查(包括超声心动图、CMR成像和CT)显示一个或多个左心室心肌节段室壁厚度≥15 mm。HCM患者一级亲属的诊断标准是存在不能用其他原因解释的一个或多个左心室心肌节段室壁厚度≥13 mm。儿童HCM的诊断标准是左心室壁厚度增加超过同年龄、同性别和同体表面积儿童左心室壁厚度平均值2倍以上标准差。需要指出的是,临床诊断HCM时应将其他可引起心室壁增厚的生理因素、心血管疾病或全身性疾病除外。(2)具备完整的CMR影像资料及临床资料且CMR影像资料清晰者。(3)影像表现为室间隔肥厚、心尖部肥厚、左心室中部肥厚及均匀肥厚型的HCM患者。排除标准:(1)合并有高血压、糖尿病、甲亢等疾病的心脏病患者;(2)合并严重慢性肺部疾病、肿瘤、血液系统疾病者;(3)合并有先天性心脏病、瓣膜病患者。健康对照组纳入标准:经CMR、超声及心电图等检查,心脏形态及功能未见异常者。排除标准:(1)有高血压、高脂血症和糖尿病等心血管风险因素;(2)有个人及家族心血管病史。

1.2 图像采集

       采用飞利浦公司(荷兰)Ingenia 3.0 T超导磁共振仪进行心脏扫描。(1)受试者扫描前准备:去除随身携带金属类物品,受试者仰卧位,8通道心脏专用阵列线圈置于受试者前胸部及背部,进行呼气末屏气训练,同时监测心电门控和呼吸门控;(2)心脏定位:在常规轴位、矢状位、冠状位确定心脏位置;(3)扫描序列:选用未增强亮血多相位电影序列,标准化切取短轴两腔心、左室长轴两腔心、长轴四腔心、三腔心切面;(4)扫描参数:TE 1.28 ms,TR 2.6 ms,翻转时间200 ms,FA 45°,FOV 353 mm×353 mm,重建矩阵256×192,层厚为8 mm,层间距0 mm。

1.3 左心室参数收集

       将采集到的短轴亮血电影序列导入飞利浦公司Ingenia 3.0 T超导磁共振仪配套的图像和信息管理软件(IntelliSpace Portal 9.0),自动勾画心脏收缩期及舒张期每帧图像上心内膜心外膜的边界并进行手动修正,得到CMR左心功能参数及测量值。

1.4 图像分割与特征提取

       将所有受试者的CMR图像以DICOM格式进行保存并导入Python语言的SimpleITK代码包中进行N4偏置场校正。选择左心室长轴位两腔心、四腔心二尖瓣口水平切面亮血电影序列导入3D Slicer(https://www.slicer.org,version 5.0.3)中进行心肌肥厚区域与非肥厚区域的区分和感兴趣区(region of interest, ROI)勾画。在各层面的心室舒张末期测量舒张末期壁厚(end-diastolic wall thickness, EDWT)以区分HCM患者心肌的肥厚区域及非肥厚区域。肥厚区域诊断标准:无HCM家族史,EDWT≥15 mm;有HCM家族史,EDWT≥13 mm。非肥厚区域诊断标准:无HCM家族史,EDWT<15 mm;有HCM家族史,EDWT<13 mm[12]。在左心室的室间隔、侧壁、前壁及下壁中部及心尖部勾画大小为2×2 mm2的ROI,仔细避开心内外膜及乳头肌,防止产生噪声和部分容积效应。由两位具有5年以上HCM诊断经验的放射科主治医师分别勾画ROI,1周后再行第二次ROI勾画,提取以上ROI影像组学特征并行测量者间及测量者自身一致性评估。勾画的ROI图像及原始图像以“.nii”格式进行保存,用Python软件(https://www.python.org,version3.7)的“Pyradiomics”包从图像提取特征。在提取特征之前,使用线性插值算法将图像重采样到1 mm×1 mm×1 mm(x, y, z)的坐标,将像素空间标准化。

1.5 试验分组

       影像组学是一种对组织差异所表现出的影像特征十分敏感的技术,为消除这种由于不同解剖部位心肌组织学潜在差异引起的误差,本研究尝试将HCM患者与健康人左心室的同一解剖部位(室间隔、心尖部、侧壁、前壁及下壁)进行影像组学对比。根据HCM病变心肌病理基础,本研究推测HCM患者左心室心肌的肥厚区域与非肥厚区域在影像组织学上可能存在潜在差异,故将HCM患者左心室心肌分为肥厚区域组与非肥厚区域组。因此本研究选取HCM患者心肌的肥厚区域、非肥厚区域以及健康人群心肌的同一解剖部位进行分组比较。本研究分为HCM患者心肌的肥厚区域组、非肥厚区域组以及健康对照组三组,每组根据解剖部位分为室间隔组、左心室侧壁组、心尖组、左心室前壁组及左心室下壁组5个亚组,共划分为15个小组,包括:HCM肥厚区域组(室间隔)、HCM肥厚区域组(左心室侧壁)、HCM肥厚区域组(心尖)、HCM肥厚区域组(左心室前壁)、HCM肥厚区域组(左心室下壁)、HCM非肥厚区域组(室间隔)、HCM非肥厚区域组(左心室侧壁)、HCM非肥厚区域组(心尖)、HCM非肥厚区域组(左心室前壁)、HCM非肥厚区域组(左心室下壁)、HCM健康对照组(室间隔)、HCM健康对照组(左心室侧壁)、HCM健康对照组(心尖)、HCM健康对照组(左心室前壁)、HCM健康对照组(左心室下壁)。

1.6 特征筛选与建立模型

       通过组内和组间相关系数(intra-/inter- class correlation coefficient, ICC)评估同一勾画者自身和不同勾画者之间手动分割的一致性,筛选出ICC>0.75的特征。使用Python(http:www.python.org)对ICC>0.75的特征进行进一步的特征筛选、特征降维及模型建立。使用分层抽样的方法将数据以7∶3的比例分为训练集和测试集,训练集用于特征筛选和构建模型,测试集用于评估模型的性能。在训练集中,首先对特征进行数据标准化处理,再利用合成少数类过采样技术(synthetic minority oversampling technique, SMOTE)平衡阴性和阳性样本、使用Mann-Whitney U检验、递归特征消除法(recursive feature elimination, RFE)选出前20个最优特征、基于“glmnet”包的最小绝对收缩与选择算法(least absolute shrinkage and selection operator, LASSO)进行特征降维,选择最优特征子集建立各组间的支持向量机(supportvector machine, SVM)算法模型,并得到各个最优特征的系数。本研究影像组学流程如图1

图1  影像组学流程图。1A:受试者未增强亮血电影序列左心室长轴位两腔心、四腔心二尖瓣口水平切面心脏磁共振图像;1B:在未增强亮血电影序列左心室长轴位两腔心、四腔心二尖瓣口水平切面心脏舒张末期进行感兴趣区的勾画;1C:特征提取过程中提取到的影像组学特征类型;1D:特征筛选过程中用到的筛选方法;1E:鉴别模型区分两样本的训练集及测试集的受试者工作特征曲线及AUC。SMOTE:合成少数类过采样技术;LASSO:最小绝对收缩与选择算法;AUC:曲线下面积。
Fig. 1  Radiomics flow chart. 1A: Magnetic resonance images of subjects' hearts in the horizontal section of the mitral valve opening of the left ventricle in the long axis of the left ventricle without enhanced bright-blood cine sequence; 1B: Delineation of the region of interest at the end of diastolic period in the horizontal section of the mitral valve opening of the left ventricle in the long axis of the left ventricle without enhanced bright-blood cine sequence; 1C: Radiomics feature type extracted during feature extraction; 1D: A screening method used in the feature screening process; 1E: The receiver operating characteristic curve and AUC of the discriminating model to distinguish between the training set and the test set of the two samples. SMOTE: synthetic minority oversampling technique; LASSO: least absolute shrinkage and selection operator; AUC: area under the curve.

1.7 统计学分析

       采用SPSS 25.0软件对临床资料和左心参数进行统计分析。符合正态分布的连续变量以x¯±s表示,组间比较采用两独立样本t检验;不符合正态分布的连续变量使用中位数和四分位间距(P25,P75)表示,采用Mann-Whitney U检验;两组间的分类变量比较采用χ2检验。使用Python代码包对影像组学特征进行一致性检验。根据约登指数得出敏感度、特异度、准确度、阳性预测值(positive predictive value, PPV)及阴性预测值(negative predictive value, NPV)和采用受试者工作特征(receiver operating characteristic, ROC)曲线下面积(area under the curve, AUC)值分别评价各个模型的分类效能,所有统计结果以P<0.05表示差异有统计学意义。

2 结果

2.1 人群基本资料及左心参数

       根据严格的纳入排除标准,最终纳入HCM患者142例,其中男91例,女51例,年龄19~76(47.00±14.00)岁;健康对照组72例,其中男46例,女26例,年龄22~67(45.00±14.00)岁。HCM患者组与健康对照组的临床基础资料如性别、年龄、身高、体质量、身体质量指数(body mass index, BMI)、人体表面积(body surface area, BSA)、心率,CMR左心参数如左心室舒张末期容积(left ventricular end diastolic volume, LVEDV)、LVEDV指数(LVEDV index, LVEDVI)、左心室射血分数(left ventricular ejection fraction, LVEF)、左心室每搏量(left ventricular stroke volume, LVSV)、左心室每分输出量(left ventricular cardiac output, LVCO)、心指数差异无统计学意义(P>0.05)。HCM患者组的CMR左心参数左心室收缩末期容积(left ventricular end systolic volume, LVESV)、LVESV指数(LVESV index, LVESVI)、左心室舒张末期室壁质量(left ventricular end diastolic wall mass, LVED wall mass)、左心室舒张末期室壁+乳头肌质量(left ventricular end diastolic wall+papillary mass, LVED wall+papillary mass)、左心室收缩末期室壁质量(left ventricular end systolic wall mass, LVES wall mass)、左心室收缩末期室壁+乳头肌质量(left ventricular end systolic wall+papillary mass, LVES wall+papillary mass)、舒张末期左室壁最大厚度(left ventricular maximum wall thickness, LVMWT)均高于健康对照组(P<0.05)。所有受试者的临床资料及左心参数的比较结果如表1所示。

       HCM患者组中出现T波异常者有40例(占28.17%),ST-T段异常者有84例(占59.15%),左心室高电压者有41例(占28.87%)。健康对照组心电图结果均未见明显异常。

表1  受试者的临床资料及左心参数的比较
Tab. 1  Comparison of clinical data and left heart parameters of subjects

2.2 特征筛选及模型建立的结果

       本研究分为HCM患者心肌的肥厚区域组、非肥厚区域组以及健康对照组三组,每组根据解剖部位分为室间隔组、左心室侧壁组、心尖组、左心室前壁组及左心室下壁组5个亚组,因此,本研究共有15个亚组。同一解剖部位室壁的HCM患者心肌的肥厚区域、非肥厚区域以及健康对照组两两对比。各组受试者人数、训练集人数、测试集人数、各组经一致性检验后剩余特征数、训练集经Mann-Whitney U检验后剩余特征数(留取P<0.05的特征)、再经RFE后剩余特征数,最后经LASSO算法10折交叉验证后剩余特征数如表2, 3, 4所示。各训练集最终筛选得到的最优特征及其系数如表5, 6, 7所示。

表2  HCM肥厚区域组与健康对照组各解剖部位对比亚组特征筛选及降维结果
Tab. 2  Characteristics screening and dimensionality reduction results of each anatomic part of the HCM hypertrophic region group and the healthy control group
表3  HCM非肥厚区域组与健康对照组各解剖部位对比亚组的特征筛选及降维结果
Tab. 3  Characteristics screening and dimensionality reduction results of each anatomic part of the HCM non-hypertrophic region group and the healthy control group
表4  HCM肥厚区域组与HCM非肥厚区域组各解剖部位对比亚组的特征筛选及降维结果
Tab. 4  Characteristics screening and dimensionality reduction results of each anatomic part of the HCM hypertrophic region group and the HCM non-hypertrophic region group
表5  HCM肥厚区域组与健康对照组各解剖部位对比亚组筛选的最优影像组学特征及其对应系数
Tab. 5  Optimal radiomics features and corresponding coefficients of each anatomic part of the HCM hypertrophic region group and the healthy control group
表6  HCM非肥厚区域组与健康对照组各解剖部位对比亚组筛选的最优影像组学特征及其对应系数
Tab. 6  Optimal radiomics features and corresponding coefficients of each anatomic part of the HCM non-hypertrophic region group and the healthy control group
表7  HCM非肥厚区域组与肥厚区域组各室壁对比亚组筛选的最优影像组学特征及其对应系数
Tab. 7  Optimal radiomics features and corresponding coefficients of each anatomic part of the HCM non-hypertrophic region group and HCM hypertrophic region group

2.3 各模型的鉴别效能评估

       各影像组学鉴别模型的训练集及测试集的ROC曲线及AUC值如图2所示。各影像组学鉴别模型训练集及测试集的AUC值、敏感度、特异度、准确度、PPV、NPV如表8, 9所示。在HCM患者肥厚区域心肌与健康对照组心肌的鉴别模型中,HCM肥厚区域组(心尖)与健康对照组(心尖)影像组学鉴别模型、HCM肥厚区域组(左心室下壁)与健康对照组(左心室下壁)影像组学鉴别模型均具有较好的鉴别效能,两者的AUC值在训练集及测试集中均为0.96;HCM肥厚区域组(左心室侧壁)与健康对照组(左心室侧壁)影像组学鉴别模型效能最低,其AUC值在训练集及测试集中均为0.90。在HCM患者非肥厚区域心肌与健康对照组心肌的鉴别模型中,HCM非肥厚区域组(心尖)与健康对照组(心尖)影像组学鉴别模型、HCM非肥厚区域组(左心室侧壁)与健康对照组(左心室侧壁)影像组学鉴别模型均具有较好的鉴别效能,两者的AUC值在训练集中均为0.95,在测试集中均为0.94;HCM非肥厚区域组(左心室下壁)与健康对照组(左心室下壁)影像组学鉴别模型效能最低,其AUC值在训练集中为0.92,在测试集中为0.91。在HCM患者心肌非肥厚区域与肥厚区域的鉴别模型中,HCM非肥厚区域组(左心室前壁)与HCM肥厚区域组(左心室前壁)影像组学鉴别模型效能最好,其AUC值在训练集中为0.98,在测试集中为0.97;HCM非肥厚区域组(左心室侧壁)与HCM肥厚区域组(左心室侧壁)影像组学鉴别模型效能最低,其AUC值在训练集中为0.94,在测试集中为0.91。本研究构建的15个鉴别模型中,HCM非肥厚区域组(左心室前壁)与HCM肥厚区域组(左心室前壁)影像组学鉴别模型效能最好,其AUC值在训练集中为0.98,在测试集中为0.97。

图2  各鉴别模型区分两样本训练集及测试集的受试者工作特征曲线及曲线下面积(AUC)。2A:肥厚型心肌病(HCM)肥厚区域组(室间隔)与健康对照组(室间隔)构建的影像组学鉴别模型;2B:HCM肥厚区域组(左心室侧壁)与健康对照组(左心室侧壁)构建的影像组学鉴别模型;2C:HCM肥厚区域组(心尖)与健康对照组(心尖)构建的影像组学鉴别模型;2D:HCM肥厚区域组(左心室前壁)与健康对照组(左心室前壁)构建的影像组学鉴别模型;2E:HCM
Fig. 2  Receiver operating characteristic curve and area under the curve (AUC) of each discrimination model to distinguish the two sample training sets and test sets. 2A: Radiomics differential model of hypertrophic cardiomyopathy (HCM) hypertrophic region group (ventricular septum) and healthy control group (ventricular septum); 2B: Radiomics differential model of HCM hypertrophic region group (lateral wall of left ventricle) and healthy control group (lateral wall of left ventricle); 2C: Radiomics differential model of HCM hypertrophic region group (apex of heart) and healthy control group (apex of heart); 2D: Radiomics differential model of HCM hypertrophic region group (anterior wall of left ventricle) and healthy control group (anterior wall of left ventricle); 2E: Radiomics differential model of HCM hypertrophic region group (inferior wall of left ventricle) and healthy control group (inferior wall of left ventricle); 2F: Radiomics differential model of HCM non-hypertrophic region group (ventricular septum) and healthy control group (ventricular septum); 2G: Radiomics differential model of HCM non-hypertrophic region group (lateral wall of left ventricle) and healthy control group (lateral wall of left ventricle); 2H: Radiomics differential model of HCM non-hypertrophic region group (apex of heart) and healthy control group (apex of heart); 2I: Radiomics differential model of HCM non-hypertrophic region group (anterior wall of left ventricle) and healthy control group (anterior wall of left ventricle); 2J: Radiomics differential model of HCM non-hypertrophic region group (inferior wall of left ventricle) and healthy control group (inferior wall of left ventricle); 2K: Radiomics differential model of HCM non-hypertrophic region group (ventricular septum) and hypertrophic region group (ventricular septum); 2L: Radiomics differential model of HCM non-hypertrophic region group (lateral wall of left ventricle) and hypertrophic region group (lateral wall of left ventricle); 2M: Radiomics differential model of HCM non-hypertrophic region group (apex of heart) and hypertrophic region group (apex of heart); 2N: Radiomics differential model of HCM non-hypertrophic region group (anterior wall of left ventricle) and hypertrophic region group (anterior wall of left ventricle); 2O: Radiomics differential model of HCM non-hypertrophic region group (inferior wall of left ventricle) and hypertrophic region group (inferior wall of left ventricle).
表8  训练集中各模型鉴别效能
Tab. 8  Discrimination efficiency of each model in the training set
表9  测试集中各模型鉴别效能
Tab. 9  Discrimination performance of each model in the test set

3 讨论

       本研究通过提取HCM患者及健康人群基于CMR未增强亮血电影序列的心肌影像组学特征,经特征筛选后分别构建HCM肥厚区域组、HCM非肥厚区域组与健康对照组的同一解剖部位室壁的对比鉴别模型,结果显示各模型均具有良好的鉴别效能。这表明本研究中的影像组学特征分析能较好地量化、识别HCM患者通过常规目测不能识别的组织及功能特征已发生异常改变的病变心肌组织,有助于早期识别HCM患者心肌异常状态、更好地理解HCM疾病发展进程及预测HCM患者疾病进展和风险分层。

3.1 受试者基本资料及左心参数研究结果分析

       吴韬等[15]在未增强T1 mapping图像上提取到的健康人群心肌纹理特征结果显示年龄和性别这两种生理因素会造成心肌纹理特征的差异。柴烨子等[16]研究发现HCM患者的BMI与其左心室心肌重构、心肌损伤及左心室功能有关。本研究考虑到上述因素可能会对研究结果产生偏倚,故选取年龄、性别、BMI、BSA相匹配的健康人群作为对照组进行研究。左心参数分析结果显示,HCM患者组与健康对照组的左心参数LVEDV、LVEDVI、LVSV、LVEF、LVCO、心指数差异均无统计学意义,说明本研究纳入的HCM患者心肌病变还未进展到出现心脏舒张/收缩功能障碍的程度,仅表现为形态学的改变。HCM患者组的CMR左心参数LVED wall mass、LVES wall mass及LVMWT均大于健康对照组,这是因为HCM通常出现心肌细胞肥大、排列紊乱等病理变化进而表现为受累节段心肌体积增大,左室壁不对称肥厚[17]。有研究[18, 19]结果显示HCM在左心室壁心肌异常增厚的病理基础上还合并乳头肌数量及质量改变,与健康人群相比,HCM患者左心室乳头肌数量增多、质量增大。因此,本研究在对左心室CMR各参数采集时,将左心室乳头肌质量纳入其中,分析结果显示,HCM患者的CMR左心参数LVED wall+papillary mass、LVES wall+papillary mass均大于健康对照组。本研究中HCM患者组与健康对照组间CMR左心参数LVEF、LVSV差异并无统计学意义,说明HCM早期的左心室收缩功能尚能代偿,但HCM患者组的CMR左心参数LVESV及LVESVI大于健康对照组,可能是由于现有数据样本量较小,存在偏倚导致。HCM组中出现T波异常、ST-T段异常及左室高电压是因为HCM的心肌细胞紊乱及纤维化损害了心脏的电传导通路,从而在心电图上表现异常[20, 21, 22],进而说明HCM患者心肌相较于健康人群确实存在病理改变。

3.2 基于CMR影像组学模型鉴别HCM患者组与健康组心肌的临床价值

       本研究结果显示,在HCM心肌中,不仅HCM肥厚区域组与健康组心肌影像组学特征不同,而且未出现明显形态学异常的HCM非肥厚区域组与健康组心肌也存在影像组学特征差异;同时左心参数分析结果显示HCM组与健康对照组之间左心室功能参数差异均无统计学意义。这说明CMR影像组学分析对于反映病变心肌状态可早于心功能分析、进一步说明通过影像组学特征分析可反映出在HCM患者心功能未出现异常的情况下,其肥厚区域与非肥厚区域心肌的组织学微观结构已发生改变。影像组学分析能够反映出无法被临床正常测量的结构或功能特征改变的亚表达异常,对于早期识别HCM患者心肌异常状态、预防相关危险因素、进行及早的临床干预、鉴别临床不同类型心肌病变具有潜在的广泛临床应用前景。

       本研究HCM患者组心电图结果异常提示HCM患者心肌的确存在病理改变。心电图检查在反映HCM患者心肌电生理异常方面具有较高的敏感性及准确性,部分HCM患者在疾病开始阶段仅仅表现为心电图除复极变化,而心脏彩超等辅助检查没有异常[23];但其特异度较低,临床上常将HCM的心电图表现误认为心肌梗死或心肌缺血[24, 25]。CMR虽不能反映HCM患者的异常电生理活动,但可以动态观察HCM患者的心脏解剖结构、还能利用延迟强化、参数定量、特征追踪技术及弥散张量成像的特殊序列准确评估心脏功能及心肌情况[26, 27],具有广泛的临床应用前景与价值。本研究的影像组学分析不仅能敏感识别心电图检查反映的心肌病理改变,且相较于CMR特殊序列具有减少钆对比剂摄入、提高检查效率、降低检查费用、可做回顾性分析等临床应用优势。

       虽然现有研究尚未分别对HCM患者心肌的肥厚区域及非肥厚区域与健康人群心肌进行影像组学特征对比,但已有一些其他的辅助技术证实HCM患者心肌的肥厚区域及非肥厚区域与健康人群心肌之间存在差异。一项研究[28]对HCM患者心肌及健康人群心肌进行T1值及T2值定量分析,结果显示HCM患者的肥厚节段和非肥厚节段的T1值均高于健康人群;非肥厚节段的T1、T2值均高于健康人群,但室壁增厚率与健康人群无明显差异,并由此得出HCM患者心肌组织特征的改变先于其形态改变和功能重构的结论。国外一项运用心肌定量灌注技术和心脏弥散张量成像技术对HCM不同肥厚程度心肌节段进行聚焦分析的研究[12]发现,在HCM心肌中,肥厚节段与非肥厚节段都存在定量平均扩散系数增加、次要特征向量角增加、扩散的分数级各向异性减低;100%的肥厚节段及42%的非肥厚节段存在心肌灌注储备减低。由此指出即使是在壁厚正常的节段,弥散也与健康心肌存在差异,提示壁厚正常的节段存在潜在的心肌细胞紊乱。一项通过CMR首次灌注和晚期钆增强成像评估HCM的冠状动脉微血管功能障碍差异的研究[13]发现:与健康人群相比,在肥厚节段和非肥厚节段均存在峰值信号强度及心肌信号强度最大上升斜率减低和达峰时间增高现象,提示这些心肌节段静息灌注受损,存在心肌微灌注障碍。一项利用心脏磁共振组织特征追踪技术分析HCM正常厚度节段区域功能的研究[29]发现:在HCM患者中,与健康对照组相比,正常厚度(<12 mm)心肌节段的舒张峰值应变率在径向、圆周和纵向受损,指出HCM正常厚度心肌节段舒张功能障碍改变的功能重构可能先于形态重构。以上各项研究均提示,HCM心肌的肥厚区域及非肥厚区域与健康人群心肌在组织学水平的确存在差异,在心肌出现肉眼可见的形态学变化前,其组织特征已经发生了改变。有学者[30]对未出现左心室肥厚的HCM基因突变携带者进行研究,发现其心肌胶原合成的生物标志物升高且原始T1定位检测到心肌早期弥漫性纤维化,由此推测非肥厚区域亦存在心肌胶原的合成增加及纤维化。有研究[14]指出,HCM中的非肥厚性节段有发展为轻度或重度肥厚的风险,可能存在无法被临床正常测量的结构或功能特征识别的亚表达异常。因此在临床对于HCM患者心肌的诊断及评估中,不仅要聚焦HCM患者肥厚区域心肌的影像改变,而且对于HCM患者非肥厚区域心肌的关注亦不容忽视。本研究通过影像组学方法验证了以上众多研究结果,说明影像组学分析可为早期HCM心肌病理变化分析提供重要研究思路及技术,亦为临床早期识别未出现HCM表型HCM患者及早期临床干预提供较为精准的影像学分析方法。

3.3 基于CMR的影像组学模型鉴别HCM患者不同区域心肌病变状态的临床价值

       诊断者可通过肉眼观察及测量轻松区分CMR图像中HCM的肥厚区域与非肥厚区域,但难以对两者之间的组织特征差异进行识别及量化。影像组学可以量化组织的异质性、形状复杂性或纹理特征。本研究构建的影像组学模型在区分HCM患者心肌肥厚区域与非肥厚区域方面表现出良好效能,这说明影像组学可以通过提供更深入、更全面的定量分析,为疾病的评估和治疗提供了额外的价值,有助于更准确地评估病情。周小龙等[28]通过对HCM心肌进行T1值及T2值定量分析发现,HCM组肥厚节段T1和T2值高于非肥厚节段,肥厚节段收缩期室壁增厚率明显降低(P<0.01),说明两者之间具有微观差异。一项通过心脏灌注技术评估HCM心肌微血管功能的研究[13]发现:与非肥厚节段相比,肥厚节段除了舒张末期室壁厚度增加还具有更高的达峰时间和更大的延迟强化范围,指出肥厚节段的心肌灌注更为不足,并推测其原因为肥厚节段的肥厚程度更高,左心室质量的增加会导致的微血管密度降低[31]。有研究[12]发现肥厚节段的二次特征向量角显著高于非肥厚节段,并对其病理机制做出推测:心肌薄片的动态重排使得收缩期心肌径向增厚;但是在HCM患者中,心肌薄片活动受损,表现持续过度收缩,在舒张期亦不能放松,因此收缩期二次特征向量角较高的节段在舒张末期左室壁厚度更大。这说明HCM心肌病变程度可能与心肌肥厚程度有关,影像组学方法可用于反映HCM患者心肌不同病理状态的微观差异,为心肌组织学改变的评估提供了客观且敏感的新技术。影像组学方法能否揭示HCM心肌肥厚程度、心肌组织不同病变状态与疾病转归、预后之间的关系,为临床个性化治疗方案提供准确且敏感的新参数,从而减少HCM患者并发症、预防心脏突发事件且改善预后,这值得我们进一步分析研究。

3.4 本研究的局限性

       第一,本研究为小样本、单中心和回顾性研究,今后需要进一步增大样本量,设计多中心和前瞻性研究。第二,为统一ROI大小及形状,本研究中ROI勾画范围小,不能完全代表整个心肌的特征,有可能存在一定的偏倚。第三,本研究仅使用一种影像组学分类器构建模型,今后可能使用多种影像组学分类器构建模型并对比,期望得到效能更好的影像组学模型。第四,本研究考虑到部分医院未开展特殊序列的CMR扫描,因此仅探讨了基于亮血电影序列的影像组学对于HCM心肌病变方面的价值,下一步可基于其他序列对HCM患者心肌进行影像组学研究。

4 结论

       综上所述,本研究提取分析亮血电影序列图像影像组学特征、分组建立模型并获良好鉴别效能,不仅证明HCM心肌的组织微观结构变化先于宏观功能异常及形态异常,且说明影像组学分析能够精确识别HCM心肌肥厚区域、非肥厚区域与健康人群三者之间微观结构变化,为心肌组织学改变的影像学评估提供了潜在且敏感的新技术,为未来实现高效低费用的CMR心肌状态评价检查、更准确快捷地一键式测量评价心肌组织学状态的人工智能发展及临床普及提供了新思路并打下基础。

[1]
国家心血管病专家委员会心力衰竭专业委员会, 中国医师协会心力衰竭专业委员会, 中华医学会心血管分会心力衰竭学组, 等. 中国肥厚型心肌病指南2022[J]. 中华心力衰竭和心肌病杂志, 2022, 6(2): 80-105. DOI: 10.3760/cma.j.cn1101460-20220805-00070.
Chinese Heart Failure Association of Chinese Medical Docter Association, National Heart Failure Committee, Editorial Board of Chinese Journal of Heart Failure and Cardiomyopathy. 2022 Chinese guildeline on hypertrophic cardimyopathy[J]. Chin J Heart Fail Cardiomyopathy, 2022, 6(2): 80-105. DOI: 10.3760/cma.j.cn1101460-20220805-00070.
[2]
CHOU C, CHIN M T. Genetic and molecular mechanisms of hypertrophic cardiomyopathy[J/OL]. Int J Mol Sci, 2023, 24(3): 2522 [2023-09-25]. https://pubmed.ncbi.nlm.nih.gov/36768840/. DOI: 10.3390/ijms24032522.
[3]
JOHN SUTTON M G ST, LIE J T, ANDERSON K R, et al. Histopathological specificity of hypertrophic obstructive cardiomyopathy. Myocardial fibre disarray and myocardial fibrosis[J]. Br Heart J, 1980, 44(4): 433-443. DOI: 10.1136/hrt.44.4.433.
[4]
国家心血管病中心心肌病专科联盟, 中国医疗保健国际交流促进会心血管病精准医学分会"中国成人肥厚型心肌病诊断与治疗指南"专家组. 中国成人肥厚型心肌病诊断与治疗指南2023[J]. 中国循环杂志, 2023, 38(1): 1-33. DOI: 10.3969/j.issn.1000-3614.2023.01.001.
National Cardiomyopathy Center Cardiomyopathy Specialist Alliance, China Healthcare International Exchange Promotion Association of Cardiovascular Disease Precision Medicine Branch "Chinese Adult Hypertrophic cardiomyopathy Diagnosis and treatment Guidelines 2023" expert group. 2023 guideline for diagnosis and treatment of patients with hypertrophic cardiomyopathy[J]. Chin Circ J, 2023, 38(1): 1-33. DOI: 10.3969/j.issn.1000-3614.2023.01.001.
[5]
ELLIOTT P M, GIMENO J R, THAMAN R, et al. Historical trends in reported survival rates in patients with hypertrophic cardiomyopathy[J]. Heart, 2006, 92(6): 785-791. DOI: 10.1136/hrt.2005.068577.
[6]
LIU J, WANG D, RUAN J Y, et al. Identification of heart failure with preserved ejection fraction helps risk stratification for hypertrophic cardiomyopathy[J/OL]. BMC Med, 2022, 20(1): 21 [2023-09-25]. https://pubmed.ncbi.nlm.nih.gov/35078475/. DOI: 10.1186/s12916-021-02219-7.
[7]
王丽梅, 孙筱璐, 王东, 等. 左心室最大室壁厚度对肥厚型心肌病患者预后的影响[J]. 中国医学前沿杂志(电子版), 2021, 13(10): 37-41. DOI: 10.12037/YXQY.2021.10-08.
WANG L M, SUN X L, WANG D, et al. Effect of maximum left ventricular wall thickness on prognosis of hypertrophic cardiomyopathy[J]. Chin J Front Med Sci Electron Version, 2021, 13(10): 37-41. DOI: 10.12037/YXQY.2021.10-08.
[8]
LAMBIN P, RIOS-VELAZQUEZ E, LEIJENAAR R, et al. Radiomics: extracting more information from medical images using advanced feature analysis[J]. Eur J Cancer, 2012, 48(4): 441-446. DOI: 10.1016/j.ejca.2011.11.036.
[9]
NEISIUS U, EL-REWAIDY H, NAKAMORI S, et al. Radiomic analysis of myocardial NativeT1 imaging discriminates BetweenHypertensive heart disease andHypertrophic cardiomyopathy[J]. JACC Cardiovasc Imaging, 2019, 12(10): 1946-1954. DOI: 10.1016/j.jcmg.2018.11.024.
[10]
FAHMY A S, ROWIN E J, ARAFATI A, et al. Radiomics and deep learning for myocardial scar screening in hypertrophic cardiomyopathy[J/OL]. J Cardiovasc Magn Reson, 2022, 24(1): 40 [2023-09-25]. https://pubmed.ncbi.nlm.nih.gov/35761339/. DOI: 10.1186/s12968-022-00869-x.
[11]
WANG J, BRAVO L, ZHANG J Q, et al. Radiomics analysis derived from LGE-MRI predict sudden cardiac death in participants with hypertrophic cardiomyopathy[J/OL]. Front Cardiovasc Med, 2021, 8: 766287 [2023-09-26]. https://pubmed.ncbi.nlm.nih.gov/34957254/. DOI: 10.3389/fcvm.2021.766287.
[12]
DAS A, KELLY C, TEH I, et al. Phenotyping hypertrophic cardiomyopathy using cardiac diffusion magnetic resonance imaging: the relationship between microvascular dysfunction and microstructural changes[J]. Eur Heart J Cardiovasc Imaging, 2022, 23(3): 352-362. DOI: 10.1093/ehjci/jeab210.
[13]
YIN L, XU H Y, ZHENG S S, et al. 3.0 T magnetic resonance myocardial perfusion imaging for semi-quantitative evaluation of coronary microvascular dysfunction in hypertrophic cardiomyopathy[J]. Int J Cardiovasc Imaging, 2017, 33(12): 1949-1959. DOI: 10.1007/s10554-017-1189-9.
[14]
HUANG L, RAN L P, ZHAO P J, et al. MRI native T1 and T2 mapping of myocardial segments in hypertrophic cardiomyopathy: tissue remodeling manifested prior to structure changes[J/OL]. Br J Radiol, 2019, 92(1104): 20190634 [2023-09-26]. https://pubmed.ncbi.nlm.nih.gov/31613647/. DOI: 10.1259/bjr.20190634.
[15]
吴韬, 孙怀强, 刘秀民, 等. 健康志愿者心肌磁共振纹理特征初探[J]. 四川大学学报(医学版), 2019, 50(4): 494-499. DOI: 10.13464/j.scuxbyxb.2019.04.008.
WU T, SUN H Q, LIU X M, et al. Myocardial magnetic resonance texture characteristics of healthy volunteers[J]. J Sichuan Univ Med Sci Ed, 2019, 50(4): 494-499. DOI: 10.13464/j.scuxbyxb.2019.04.008.
[16]
柴烨子, 姜萌, 卜军. 体质量指数和肥厚型心肌病患者左心室结构和功能相关性的心血管磁共振成像研究[J]. 上海交通大学学报(医学版), 2021, 41(12): 1635-1641. DOI: 10.3969/j.issn.1674-8115.2021.12.013.
CHAI Y Z, JIANG M, BU J. Relation between body mass index and left ventricular structure and function in patients with hypertrophic cardiomyopathy: a cardiovascular magnetic resonance imaging study[J]. J Shanghai Jiaotong Univ Med Sci, 2021, 41(12): 1635-1641. DOI: 10.3969/j.issn.1674-8115.2021.12.013.
[17]
MARON B J, MARON M S. Hypertrophic cardiomyopathy[J]. Lancet, 2013, 381(9862): 242-255. DOI: 10.1016/s0140-6736(12)60397-3.
[18]
徐森, 孙玉, 侯洁, 等. 心脏磁共振成像评价肥厚型心肌病左心室乳头肌形态学改变的初步研究[J]. 磁共振成像, 2021, 12(9): 15-19. DOI: 10.12015/issn.1674-8034.2021.09.004.
XU S, SUN Y, HOU J, et al. Preliminary study on papillary muscle morphology of the left ventricle in patients with hypertrophic cardiomyopathy by cardiac MR imaging[J]. Chin J Magn Reson Imag, 2021, 12(9): 15-19. DOI: 10.12015/issn.1674-8034.2021.09.004.
[19]
HARRIGAN C J, APPELBAUM E, MARON B J, et al. Significance of papillary muscle abnormalities identified by cardiovascular magnetic resonance in hypertrophic cardiomyopathy[J]. Am J Cardiol, 2008, 101(5): 668-673. DOI: 10.1016/j.amjcard.2007.10.032.
[20]
HUTCHINGS D, SANKARANARAYANAN R, VENETUCCI L. Ventricular arrhythmias complicating hypertrophic cardiomyopathy[J]. Br J Hosp Med, 2012, 73(9): 502-508. DOI: 10.12968/hmed.2012.73.9.502.
[21]
DE BAKKER J M, VAN CAPELLE F J, JANSE M J, et al. Slow conduction in the infarcted human heart. 'Zigzag' course of activation[J]. Circulation, 1993, 88(3): 915-926. DOI: 10.1161/01.cir.88.3.915.
[22]
SOEJIMA K, STEVENSON W G, MAISEL W H, et al. Electrically unexcitable scar mapping based on pacing threshold for identification of the reentry circuit isthmus: feasibility for guiding ventricular tachycardia ablation[J]. Circulation, 2002, 106(13): 1678-1683. DOI: 10.1161/01.cir.0000030187.39852.a7.
[23]
WU B L, LU M J, ZHANG Y, et al. CMR assessment of the left ventricle apical morphology in subjects with unexplainable giant T-wave inversion and without apical wall thickness ≥15 mm[J]. Eur Heart J Cardiovasc Imaging, 2017, 18(2): 186-194. DOI: 10.1093/ehjci/jew045.
[24]
MCLEOD C J, ACKERMAN M J, NISHIMURA R A, et al. Outcome of patients with hypertrophic cardiomyopathy and a normal electrocardiogram[J]. J Am Coll Cardiol, 2009, 54(3): 229-233. DOI: 10.1016/j.jacc.2009.02.071.
[25]
肖燕榕, 陈景钗, 刘海宏. 心电图检查对肥厚型心肌病的临床价值[J]. 中国医药指南, 2013, 11(36): 318-319. DOI: 10.15912/j.cnki.gocm.2013.36.224.
XIAO Y R, CHEN J C, LIU H H. The clinical significances of electrocardiogram examination in patients with hypertrophic cardiomyopathy[J]. Guide China Med, 2013, 11(36): 318-319. DOI: 10.15912/j.cnki.gocm.2013.36.224.
[26]
胡瑞, 李瑞, 杨鹏程, 等. 心脏磁共振在诊断左室肥厚疾病中的临床应用进展[J]. 磁共振成像, 2022, 13(5): 151-153, 170. DOI: 10.12015/issn.1674-8034.2022.05.032.
HU R, LI R, YANG P C, et al. Advances in the clinical application of cardiac magnetic resonance in the diagnosis of left ventricular hypertrophy[J]. Chin J Magn Reson Imag, 2022, 13(5): 151-153, 170. DOI: 10.12015/issn.1674-8034.2022.05.032.
[27]
中华医学会心血管病学分会影像学组, 中国医师协会放射医师分会心血管专业委员会. 无创性心血管影像学技术临床适用标准中国专家共识[J]. 中华心血管病杂志, 2020, 48(11): 906-921. DOI: 10.3760/cma.j.cn112148-20200413-00309.
Imaging Group, Cardiovascular Branch, Chinese Medical Association, Cardiovascular Professional Committee of Radiologist Branch of Chinese. Chinese expert consensus on the clinical appropriate use criteria of non-invasive cardiovascular imaging modalities[J]. Chin J Cardiol, 2020, 48(11): 906-921. DOI: 10.3760/cma.j.cn112148-20200413-00309.
[28]
周小龙, 赵晓莹, 赵新湘. 射血分数正常的肥厚型心肌病患者心肌T1值和T2值研究[J]. 心血管病学进展, 2021, 42(9): 845-848. DOI: 10.16806/j.cnki.issn.1004-3934.2021.09.019.
ZHOU X L, ZHAO X Y, ZHAO X X. Study of T1 and T2 values in myocardium of hypertrophic cardiomyopathy with normal ejection fraction[J]. Adv Cardiovasc Dis, 2021, 42(9): 845-848. DOI: 10.16806/j.cnki.issn.1004-3934.2021.09.019.
[29]
QIAO J H, ZHAO P J, LU J Y, et al. Diastolic dysfunction assessed by cardiac magnetic resonance imaging tissue tracking on normal-thickness wall segments in hypertrophic cardiomyopathy[J/OL]. BMC Med Imaging, 2023, 23(1): 7 [2023-09-24]. https://pubmed.ncbi.nlm.nih.gov/36624416/. DOI: 10.1186/s12880-022-00955-7.
[30]
HO C Y, LÓPEZ B, COELHO-FILHO O R, et al. Myocardial fibrosis as an early manifestation of hypertrophic cardiomyopathy[J]. N Engl J Med, 2010, 363(6): 552-563. DOI: 10.1056/NEJMoa1002659.
[31]
KRAMS R, KOFFLARD M J, DUNCKER D J, et al. Decreased coronary flow reserve in hypertrophic cardiomyopathy is related to remodeling of the coronary microcirculation[J]. Circulation, 1998, 97(3): 230-233. DOI: 10.1161/01.cir.97.3.230.

上一篇 CMR特征追踪成像在鉴别心脏淀粉样变性亚型中的价值研究
下一篇 表观扩散系数鉴别肺癌脑转移瘤组织学分型及其与Ki-67增殖指数的相关性
  
诚聘英才 | 广告合作 | 免责声明 | 版权声明
联系电话:010-67113815
京ICP备19028836号-2