Diffusion MRI preprocessing affects ADC estimation and automatic PI-RADS v2.1 classification in bi-parametric prostate MRI

想象一下，你正试图在一只充满雾气、摇晃不定的盒子里，拍下一张微小且难以捉摸的物体的清晰照片。在前列腺 MRI 的世界里，那个“物体”就是潜在的癌症病灶，而这个“充满雾气、摇晃不定的盒子”就是弥散加权成像（DWI）扫描。这些扫描对于医生决定患者是否需要进行活检至关重要，但它们通常非常混乱。它们存在“幽灵”（伪影）、数据中的“环状伪影”（ringing），以及由人体磁场引起的“晃动”。

长期以来，科学家们一直在为脑部扫描清理这些混乱的照片，但对于前列腺扫描，大家只是在凭直觉猜测哪种清理方法最有效。这项研究决定戴上侦探帽，测试不同的“清理配方”，看看究竟哪一种能真正帮助计算机更好地“看见”癌症。

伟大的清理大赛

研究人员采集了 268 例真实的患者病例，并将它们送入了一系列“清洗站”。把它想象成洗一辆满是泥泞的汽车：

1. 基准线： 他们从原始的、满是泥泞的数据开始（数据集 1 和 2）。
2. 去噪（Denoising）： 他们刷掉了随机的“雪花”或静态噪声（数据集 3）。
3. 吉布斯环效应校正（Gibbs-Ringing Correction）： 他们平滑了那些看起来像亮光周围有一圈奇怪锯齿状边缘的部分（数据集 4）。
4. 畸变校正（Distortion Correction）： 这是重头戏。他们拉直了图像中“晃动”的部分，使前列腺与解剖结构完美对齐，修复了由直肠空气引起的拉伸变形（数据集 5）。

然后他们提出了两个问题：

1. 清理过程是否会改变我们用来测量组织中水分移动速度的数值（称为 ADC）？
2. 清理是否有助于计算机程序更好地预测癌症风险评分（PI-RADS）？

令人惊讶且枯燥的数学部分

首先，他们观察了数学层面。他们测试了两种不同的计算水分移动数值的方法：一种是标准方法（LLS），另一种是高级的加权方法（IWLLS）。

这里的转折在于：使用哪种数学方法并不重要。 计算出的数值几乎完全一样（差异仅为极小的 $10^{-12}$ mm²/s）。这就像用两个不同品牌的尺子去测量一张桌子；如果桌子本身是直的，两把尺子都会给出相同的答案。因此，该论文排除了“需要高级数学算法才能获得正确数值”的可能性；真正起作用的是对图像的清理。

然而，清理本身确实改变了数值。当他们加入“畸变校正”（将晃动的图像拉直）时，ADC 值发生了偏移。原始晃动图像与拉直后的图像之间的关系很强，但并不完美（相关性约为 0.90）。这就像拍摄一张哈哈镜反射的照片，然后将其拉直；图片看起来变了，但它现在是对物体的真实呈现。

计算机的“眼睛”变得更锐利了

真正的魔力发生在将这些清理后的图像输入到一个深度学习计算机大脑（DenseNet）中，以预测癌症风险评分时。他们将评分分为三个等级：

• 第一类： 低风险（PI-RADS 1–2）。
• 第二类： 不确定（PI-RADS 3）。
• 第三类： 高风险（PI-RADS 4–5）。

计算机在所有不同的清理水平下都接受了测试。结果如何？完全清理后的图像（数据集 5）是明显的赢家。

当计算机观察经过完全处理的数据时，它能更出色地发现高风险病例（第三类）。它不仅能更频繁地给出正确答案，而且在出错时也变得更加“聪明”。

最酷的部分在于：在医学领域，如果计算机漏掉了一个危险的癌症，那将是一场灾难。但如果计算机出错，且它还自信地认为自己是对的，那就更糟糕了。研究发现，当使用完全清理的数据进行训练并在高风险病例上出错时，计算机对其错误答案的信心较低。这就像一个学生说：“我不确定这个答案，”而不是自信满满地大喊一个错误的答案。这种“谦逊”的行为正是医生在进行自动化分诊时所希望看到的，因为它发出了信号，提示人类需要进行复核。

论文排除了什么（以及没有排除什么）

论文明确指出，仅仅改变数学公式（LLS 对比 IWLLS）并不能解决问题。你不能只更换计算器就期望得到更好的结果；你必须先修复图像。

此外，这项研究并没有证明这适用于世界上每一台 MRI 机器。他们仅测试了来自特定扫描仪（西门子 Skyra）的数据。他们也无法使用修复畸变的“金标准”方法（这需要进行两次方向相反的特殊扫描），因为他们的数据中缺少这些额外的扫描。相反，他们使用了一种巧妙的配准技巧，效果很好，但他们承认这并非完整的方案。

核心结论

主要发现是，清理 MRI 图像实际上让计算机变得更聪明了。 具体来说，去除噪声、修复环状边缘以及拉直畸变的解剖结构（数据集 5）带来了最好的结果。

该论文建议，如果医院开始将这些清理步骤作为标准流程，他们或许能够捕捉到更多高风险癌症，并避免不必要的低风险活检。这有点像给模糊的相机换上了一个高清晰度镜头；画面不仅更漂亮了，而且在做出生死攸关的决策时也更有用。

虽然结果令人鼓舞，但作者也谨慎地表示，这只是向前迈出了一步，而非最终解决方案。他们需要通过更多的人群和不同的机器来测试，以确保其在任何地方都有效。但就目前而言，证据有力地表明，一点点数字化的清理在对抗前列腺癌的战斗中大有裨益。