颈椎矢状位序列在X线断层融合图像与MRI图像上的差异及临床意义

发布时间：2020-05-29 21:13

【摘要】：目的站立位颈椎侧位X线平片在评估患者颈椎矢状位序列时应用非常广泛,与仰卧位下颈椎MRI矢状面图像相比,站立位能真实反映颈椎的生理曲度,但是受到双肩关节及颈部软组织的遮挡,在普通颈椎侧位X线平片上,一些患者无法清晰显示胸1椎体上终板和胸骨柄颈静脉切迹上缘,为克服这一缺点,本研究采用X线断层融合图像技术拍摄患者站立位颈椎侧位X线图像,同时拍摄仰卧位颈椎MRI图像;比较分析颈椎侧位X线断层融合图像与MRI矢状面图像上颈椎矢状位参数的差异及相关性,并说明各自的临床意义。方法回顾性分析2018年1月~2018年12月因颈部疼痛、酸胀不适在郑州大学第一附属医院骨科门诊行颈椎侧位X线断层融合图像及MRI检查的106例(男56例,女50例;年龄28~65岁,平均年龄52.8±8.0岁)患者的影像资料;在站立位颈椎侧位X线断层融合图像及MRI矢状面T2加权图像上分别测量0-C2Cobb角(CobbO-C2)、C2-7Cobb角(CobbC2-7)、C2-7矢状位轴(C2-7SVA)、胸1椎体倾斜角(T1 slope,T1S)、颈倾斜角(neck tilt,NT)、胸廓入口角(thoracic inlet angle,TIA);连接颈2椎体下终板中点A与颈7椎体上终板中点B,根据颈3、4、5、6椎体的几何中心与AB的位置关系,将颈椎曲度分为前凸组和后凸组,颈3、4、5、6椎体的几何中心均位于AB前方为前凸组,颈3、4、5、6椎体的几何中心至少有一个位于AB后方为后凸组;采用配对t检验、Pearson相关系数及线性回归分析比较组间和组内测量结果的差异性及相关性。结果在颈椎X线断层融合图像与MRI正中矢状面图像上测量的参数中,除TIAX和TIAM、后凸组CobbC2-7X和后凸组CobbC2-7M间差异无统计学意义(P0.05)外,CobbO-C2X和CobbO-C2M、整体CobbC2-7X和整体CobbC2-C7M、前凸组CobbC2-7X和前凸组CobbC2-7M、C2-7SVAX和C2-7SVAM、T1SX和T1SM、NTX和NTM间均有显著的统计学差异(P0.05);在站立位颈椎侧位X线断层融合图像上测量的数据中,TIAX与T1SX(r=0.554)、NTX(r=0.760)存在强的正相关,且有显著的统计学差异;T1SX与CobbC2-7X(r=0.674)存在强的正相关,且有显著的统计学差异;CobbO-C2X与CobbC2-7X(r=-0.416)存在负相关,且有显著的统计学差异。在仰卧位颈椎MRI正中矢状面图像上测量的数据中,TIAM与T1SM(r=0.502)、NTM(r=0.761)存在强的正相关,且有显著的统计学差异;T1SM与CobbC2-7M(r=0.512)存在强的正相关,且有显著的统计学差异。颈椎侧位X线断层融合图像与颈椎MRI正中矢状面图像上的CobbO-C2X与CobbO-C2M、CobbC2-7X与CobbC2-7M、TIAX与TIAM、NTX与NTM、T1SX与T1SM间存在强的正相关,r值分别为0.835、0.912、0.950、0.844、0.744,且有显著的统计学差异。结论1.采用颈椎X线断层融合图像技术拍摄清晰的站立位颈椎侧位片更加适合用来测量患者颈椎矢状位序列参数。2.仰卧位拍摄颈椎MRI正中矢状面图像代替站立位颈椎侧位图像来评估患者颈椎矢状位序列是不准确的。
【图文】：

7图 4连接颈 2 椎体下终板中点 A 与颈 7 何中心均位于 AB 前方为颈椎前凸 A 与颈 7 椎体上终板中点 B，颈 3AB 后方为颈椎后凸组。SPSS 公司 美国）软件进行统计学分料在符合正态分布后，采用配对 t较两种测量结果组间、组内的差异性相关值 r 分级如下：强（-1.0 至-0.

3 通过线性回归分析得出颈椎侧位 X 线断层融合图像与颈椎 MRI正中矢状面图像上对应参数间的关系CobbO-C2X=0.91XCobbO-C2M+6.57，CobbC2-7X=1.10XCobbC2-7M+3.43，C2-7SVAX=0.46XC2-7SVAM+14.42 ， T1SX=0.83XT1SM+6.21 ， NTX=0.89XNTM+3.29，TIAX=1.07XTIAM+4.90（如图 5）。
【学位授予单位】：郑州大学
【学位级别】：硕士
【学位授予年份】：2019
【分类号】：R681.5;R445.2

【相似文献】

相关期刊论文 前10条

1 滕才钧;韦建林;邓燕云;崔惠勤;;自身免疫性胰腺炎的~(18)氟-脱氧葡萄糖PET/CT及MRI图像特征和应用价值[J];广西医科大学学报;2019年03期

2 邢盼盼;马宇锋;李_g;;颞下颌关节紊乱病的MRI图像特点及与临床症状相关性研究进展[J];山东医药;2019年08期

3 王卉欢;张肇慧;王红;陈滨;;灰度变换增强法在MRI影像处理中的应用[J];牡丹江医学院学报;2018年06期

4 徐建;卞光军;陈磊;;浅谈MRI图像质量的影响因素及设备的日常维护和保养[J];名医;2018年12期

5 李珍珍;张偌雅;;基于对称相似度的MRI图像检测[J];现代计算机(专业版);2017年29期

6 顾剑华;石志才;;CT结合MRI图像在定制腰椎新型完全后路人工椎体中的应用[J];中国骨与关节损伤杂志;2019年03期

7 张静;周佐;;脑部MRI图像自动分割算法的研究[J];信息技术;2018年06期

8 王磊;;基于自组织神经网络的多模态MRI图像分割[J];太赫兹科学与电子信息学报;2018年02期

9 李媛;;人体脑图像分割技术研究[J];伺服控制;2011年08期

10 王韦;林一聪;Andreas Alexopoulos;Stephen Jones;周东;王玉平;Zhong Irene Wang;;MRI图像后处理技术在局灶性皮质发育不良癫痫患者中的应用[J];中风与神经疾病杂志;2018年11期

相关会议论文 前4条

1 尹忠杰;霍云龙;;基于MRI图像的兔左心室的舒张模拟和力学行为分析[A];第十二届全国生物力学学术会议暨第十四届全国生物流变学学术会议会议论文摘要汇编[C];2018年

2 毛鹏;朱谦;刘波涛;苗羽;杨阳;水源;闫龙涛;杨克勤;樊碧发;;MRI图像测量联合C形臂透视引导行颈段硬膜外穿刺[A];中华医学会疼痛学分会第十届学术年会论文集[C];2013年

3 郑虹;曾坤;郭迪;应佳熙;杨钰;彭玺;陈忠;屈小波;;基于梯度引导的边缘增强多对比度脑部MRI图像超分辨[A];2018第二十届全国波谱学学术年会会议论文摘要集[C];2018年

4 王佳熙;曾理;;基于Deep Learning的图像分割及其在CT和MRI图像上的应用[A];第十五届中国体视学与图像分析学术会议论文集[C];2017年

相关硕士学位论文 前10条

1 李国闯;颈椎矢状位序列在X线断层融合图像与MRI图像上的差异及临床意义[D];郑州大学;2019年

2 詹汉强;MRI图像质量评价指标体系的构建[D];郑州大学;2019年

3 吴艳凯;胎儿MRI图像质量因素的回归分析及其在胎儿脑室扩张诊断中的价值研究[D];河北医科大学;2017年

4 刘瑞;基于多模态MRI图像的脑肿瘤分割方法[D];电子科技大学;2017年

5 周向前;鲤鱼机器人脑运动控制区MRI图像研究[D];燕山大学;2017年

6 梁晶;基于压缩感知的MRI图像的快速重建[D];哈尔滨理工大学;2017年

7 张冰宇;基于高分辨率MRI图像的面部软组织的分层分割[D];浙江工业大学;2017年

8 朱家群;支持向量机及其在医学图像可视化中图像分割的应用研究[D];南京理工大学;2007年

9 廖林峰;基于模糊C-均值聚类的MRI图像分割优化方法研究[D];南京邮电大学;2017年

10 屈颖歌;支持向量机在图象处理中若干问题研究[D];南京理工大学;2003年

，

本文编号：2687510