基于图谱引导分割与视觉Transformer分类的多模态PET/MRI鉴别早期帕金森病与多系统萎缩

《Frontiers in Aging Neuroscience》：Differentiating early Parkinson’s disease from multiple system atrophy on multimodal PET/MRI using atlas-guided segmentation and vision transformer classification

　　

引言：由于运动症状重叠且影像学异常细微，帕金森病（Parkinson’s disease, PD）与多系统萎缩-帕金森型（multiple system atrophy-parkinsonian type, MSA-P）的早期鉴别仍具有临床挑战性。方法：研究人员开发了一种用于早期PD–MSA-P鉴别的全自动化多模态PET/MRI框架，该框架整合了图谱引导的受试者特异性标签生成、尾状核与壳核的nnU-Net分割、多模态图像融合，以及基于多切片投票的视觉Transformer分类（Vision Transformer with multi-slice voting, ViT+MSV）。研究共纳入155例早期患者，其中121例PD、34例MSA-P，采用患者层面分层4折交叉验证进行评估。结果：分割模型的总体Dice得分为0.853（95% CI, 0.830–0.877），交并比（IoU）为0.747（95% CI, 0.725–0.770）。ViT+MSV取得交叉验证曲线下面积（AUC）0.947（95% CI, 0.905–0.981）、准确率0.929（95% CI, 0.890–0.968）、灵敏度0.942（95% CI, 0.900–0.982）和特异度0.882（95% CI, 0.765–0.974）。[¹⁸F]氟代脱氧葡萄糖（FDG）PET、[¹¹C]CFT多巴胺转运蛋白PET与T2加权成像（T2WI）的组合取得最佳总体分类性能。Grad-CAM可视化显示，类别判别性梯度显著性主要集中于双侧壳核。讨论：这些研究结果表明，基于解剖引导的多模态PET/MRI分析联合Transformer分类可能支持早期PD–MSA-P鉴别，同时为模型决策提供空间可解释性证据。

帕金森病（Parkinson’s disease, PD）与多系统萎缩-帕金森型（multiple system atrophy-parkinsonian type, MSA-P）在疾病早期常表现出相似的运动症状，常规影像学异常又较细微，因此临床鉴别十分困难。尽管两者在病理机制、治疗反应和预后转归方面差异显著，但早期准确鉴别对临床决策和预后判断至关重要。MRI可显示MSA-P的壳核萎缩、壳核-尾状核体积比降低以及“壳核裂隙征”等信号改变，而PD患者通常无显著纹状体萎缩或信号异常；功能性和分子影像学方面，[¹⁸F]FDG-PET可反映基底节葡萄糖代谢减低，[¹¹C]CFT多巴胺转运蛋白PET则可反映突触前多巴胺能神经元密度及其特征性分布。然而，传统视觉判读和手工测量具有主观性、依赖经验，且在疾病极早期敏感性有限。既往机器学习或深度学习方法多集中于单模态MRI、依赖手工影像组学特征或预先计算的定量表示，较少将双示踪剂PET与常规结构MRI以及患者特异性纹状体定位整合到统一的图像级深度学习框架中；同时，针对早期PD–MSA-P这一特定临床场景的研究仍相对稀缺。为此，研究人员开发了一种全自动化、可解释的多模态PET/MRI深度学习框架。

研究队列来自陆军军医大学大坪医院伦理委员会批准的回顾性研究（批件号2022157），共纳入155例早期患者（121例PD、34例MSA-P，病程≤5年），均完成[¹⁸F]FDG-PET、[¹¹C]CFT-PET以及T1WI、T2WI、T2-FLAIR MRI检查。该研究采用患者层面分层4折交叉验证以保证模型泛化评估的稳定性，并将每个患者的所有图像和切片限制在同一折内，避免数据泄漏。主要关键技术方法包括：以T1WI为参考的两阶段配准，并将MNI152 Neuromorphometrics图谱标签反变换至个体T1WI空间以生成训练标签；利用nnU-Net（一种自动配置的U-Net分割框架）对双侧尾状核和壳核进行三维分割；将共配准后的多模态图像按固定通道顺序堆叠为伪彩色融合图像；使用ImageNet预训练的Vision Transformer（ViT-B/16）对五个连续轴向ROI切片进行分类，并通过固定加权软多切片投票（multi-slice voting, MSV）获得患者级决策；最后采用Grad-CAM进行空间可视化解释。

分割结果：在患者层面分层4折交叉验证中，nnU-Net分割模型取得总体Dice 0.853（95% CI, 0.830–0.877）、IoU 0.747（95% CI, 0.725–0.770）。各区域中右尾状核分割性能最佳（Dice=0.884），右壳核相对较低（Dice=0.825）。预测分割与参考区域总体贴合良好，支持将分割结果用于后续分类分析。

分类结果：所提出的ViT+MSV模型取得AUC 0.947（95% CI, 0.905–0.981）、准确率0.929、灵敏度0.942、特异度0.882，均优于单独ViT（AUC 0.845）、CNN+ViT（AUC 0.805）、CNN+LSTM（AUC 0.811）和ResNet50（AUC 0.759），也优于在相同队列和交叉验证协议下重评估的传统多模态影像组学基线（AUC 0.834）。多切片投票较单独ViT提升AUC 0.102，说明聚合相邻切片预测可降低切片水平变异并稳定患者级决策。在患者层面，合并折外预测正确分类121例PD中的114例和34例MSA-P中的30例，平衡准确率为0.912，表明高准确率并非仅由多数类PD驱动。

模态组合结果：在所有影像序列组合中，FDG+CFT+T2WI性能最佳（AUC 0.947），其次为FDG+CFT+T1WI（AUC 0.929）和FDG+CFT+FLAIR（AUC 0.904）。双示踪剂PET组合均优于单模态输入，最佳组合较单独FDG（AUC 0.859）提升AUC 0.088，较纯MRI组合T1WI+T2WI+FLAIR（AUC 0.764）提升AUC 0.183，较最弱的单独FLAIR（AUC 0.698）提升AUC 0.249。单示踪剂PET输入（CFT 0.840、FDG 0.859）均优于所有单独结构MRI序列。该结果提示，代谢（FDG）、多巴胺能（CFT）与结构（T2WI）信息互补，且分类主要信号来自双示踪剂PET，MRI提供补充结构信息和解剖定位基础。

Grad-CAM可视化结果：类别特异性梯度显著性主要集中于双侧壳核，尤其是背外侧区域，部分病例在丘脑、内囊和脑室周围等邻近结构出现较弱激活，提示模型主要依赖于壳核信号，并兼顾少量周围解剖背景。对T1WI+T2WI+FLAIR组合误判的病例，加入任一或双PET示踪剂后模型能够正确区分PD与MSA-P，进一步支持双示踪剂PET在部分不明确病例中的鉴别价值。

讨论与结论：该研究表明，解剖引导的多模态PET/MRI分析与基于Transformer的端到端分类可支持早期PD–MSA-P鉴别，并优于传统手工影像组学方法。局限性包括样本量相对较小且类别不均衡，未纳入MSA-C及其他非典型帕金森综合征，单示踪剂PET实验仍依赖MRI引导的解剖定位，且仅关注以背侧纹状体为主的区域。结论认为，该全自动、可解释的PET/MRI深度学习框架或可作为早期鉴别诊断的决策支持工具，但未来仍需外部多中心验证并扩展至其他帕金森综合征。