基于与埃及人口样本年龄和性别相关的灰度共生矩阵特征的下颌小梁骨结构分析：使用锥形束 CT 的横断面研究

科学背景

老年人的骨骼健康是一个主要的健康问题，最近随着全球老年人口的增长而受到广泛关注（Vijayakumar 和 Büsselberg，2016 年）。 预计到 2050 年埃及将拥有 1.3 亿居民，其中 30% 将超过 50 岁（Chen 等人，2013 年；Gheita 和 Hammam，2018 年）。 衰老通常伴随着肌肉骨骼疾病，例如骨质疏松症和骨关节炎，这是由于骨重塑过程中发生的障碍所致（Gheno 等人，2012 年）。 这些疾病大大增加了骨折的风险，例如髋部和脊椎骨折，从而影响了这些患者的生活质量（Gheno 等人，2012 年）。 这些肌肉骨骼疾病的患病率也受性别影响，研究称女性比男性更容易患骨质疏松症和骨关节炎（on Osteoporosis and Prevention, 2001; Gheno et al., 2012）。

通过双 X 射线吸收测定法 (DXA) 测量的骨矿物质密度长期以来一直被认为是评估骨骼健康的金标准（Link 和 Heilmeier，2016）。 然而，美国国立卫生研究院在其骨质疏松症共识会议上指出，骨强度不仅取决于其密度，还取决于质量（骨质疏松症与预防，2001）。 因此，需要用于评估骨质量的辅助诊断方法来改进个体骨折风险的预测（Link 和 Heilmeier，2016）。

从那时起，研究人员进行了各种尝试以开发一种令人满意的评估骨质量的方法，小梁骨评分 (TBS) 是最成功的试验之一。 TBS 是与骨骼微结构相关的纹理参数，它使用腰椎的常规 DXA 图像来提取灰度级纹理特征，提供标准 BMD 测量中未捕获的骨骼信息。 它已成功用作 DXA 的辅助手段，并进行了进一步的研究尝试，以调查其独立用于预测骨折风险的用途。（Martineau， 席尔瓦和莱斯利，2017 年； Shevroja 等人，2017 年）TBS 的成功促使研究界开始研究纹理参数在不同成像模式下评估骨微结构的潜在用途（Shevroja 等人，2017 年）。 纹理是人类用来识别图像中感兴趣的对象或区域的主要视觉模式识别技术之一。 它是每个物体的固有属性，包含有关其表面结构排列及其与周围环境关系的重要信息（Haralick、Shanmugam 和 Dinstein，1973）。 纹理分析是一种基于像素强度之间关系的定量图像评估。 如今，它在生物医学成像领域受到广泛关注，因为它可以通过各种诊断应用对组织表征有益（Gebejes 和 Huertas，2013 年；Summers，2017 年）。

纹理分析有多种方法，灰度共生矩阵（GLCM）是最流行和最常用于提取纹理特征的方法之一（Gebejes 和 Huertas，2013）。 它是一种通过考虑像素灰度值对的出现频率及其空间关系来表征图像纹理的二阶统计方法(Haralick, Shanmugam and Dinstein, 1973; Gebejes and Huertas, 2013)。

锥形束计算机断层扫描 (CBCT) 如今已常规用于多种诊断程序，并且已知使用的辐射剂量明显低于 CT，具有更高的空间分辨率和更低的成本，因此可能是骨质量筛查工具的合适候选者（Scarfe , Farman 和 Sukovic, 2006；Scarfe 和 Farman, 2008)。 我们在此假设使用灰度级共生矩阵衍生的纹理特征来评估骨骼质量可以适用于 CBCT 扫描，而不是有争议的使用灰度级来测量骨密度，这在许多研究中被证明与校准相比是不充分的多探测器 CT 的 Hounsfield 单元（Pauwels 等人，2013 年；De Rosa 等人，2020 年；Gonçalves 等人，2020 年）。

因此，本研究的目的是研究 GLCM 纹理特征是否与下颌 CBCT 扫描中不同感兴趣区域的年龄-性别骨小梁变化相关。 这种相关性将有助于指导未来选择适合开发年龄和性别相关骨骼疾病潜在筛查方法的纹理特征和解剖区域。

佩科问题：

P：成年埃及人的下颌骨小梁 E：女性（18-40 或 40 岁以上） C：男性（18-40 或 40 岁以上） O：灰度共生矩阵纹理特征

研究问题：

埃及人口的年龄和性别与 GLCM 衍生的下颌骨小梁骨纹理特征之间的相关性是什么？

问题陈述：

老年人的骨骼健康是一个主要的公共卫生问题。 尽管诊断影响骨骼健康的疾病需要评估骨骼质量和密度，但仍然缺乏能够以相当低的辐射剂量和低成本成功检查骨骼质量的诊断技术。

具体的目标：

在成年埃及人口样本中检测个体的年龄性别与从灰度共生矩阵导出的下颌骨小梁骨的纹理特征之间是否存在相关性。

假设：

Null：不同年龄组或两性之间的小梁结构特征没有差异替代：不同年龄组或两性之间的小梁结构特征存在差异

方法变量

自变量：

1. 年龄（18-40岁或40岁以上）
2. 性别（男性或女性）

因变量：

11 个纹理特征源自 Haralick 的工作（Haralick, Shanmugam 和 Dinstein, 1973）测量相邻像素之间灰度阴影的相关性 平方和 测量灰度分布的离散度（与平均值相关） 熵 图像中像素之间的无序程度围绕灰度和分布的平均值 熵和 灰度和分布的混乱 方差差 灰度差的离散度 熵差 灰度差的混乱

数据源\测量

CBCT图像采集：

下颌 CBCT 扫描将从开罗大学牙科学院口腔颌面放射科的数据库登记处追溯检索。 包含的 CBCT 图像应使用 Planmeca ProMax® 3D Mid CBCT 机器获得，分辨率为 0.4 体素，20*10 cm FOV（单下颌弓），在 8 mA 和 90 Kvp 下运行。

所有 CBCT 图像都将以 DICOM 格式（医学数字成像通信）获得，并由 Romexis 软件查看，供高级口腔放射科医生分析。 具有伪影和视觉质量差的图像，例如光束硬化伪影、部分体积效应、混叠伪影、环形伪影、扫描期间患者移动导致的低清晰度图像，将被排除在外。

符合条件的 CBCT 扫描将根据患者的年龄和性别分为 4 组（40 岁以下的男性、40 岁以上的男性、40 岁以下的女性、40 岁以上的女性）。 组将以随机顺序分配字母 A、B、C 或 D，这样只有助理主管会知道每个组的人口统计数据，但将对执行结构分析的主要调查员隐藏。

将从符合条件的扫描中准备三个感兴趣区域（前牙、前磨牙、磨牙）的校正矢状切割，然后图像将以 BMP 格式保存。

分割和纹理分析：

经校正的病例矢状切面的 BMP 图像将导入 MaZda 软件（罗兹技术大学，波兰电子研究所）。 一个圆形的感兴趣区域将被手动裁剪到牙齿的顶端，因此它的大小将足够大以包括存在的最大小梁骨，没有或只有很少的非小梁组织。

GLCM 纹理特征将由软件计算。 将针对像素之间的两个距离 (d1 = 1, d2 = 2) 和对应于 (φ = 0°,45°,90°, 135°) 的四个扫描方向（水平、对角线、垂直和反对角线）计算所有参数，分别）。不同位置的值的平均值将被视为表示感兴趣区域的纹理特征值的单个读数。

量化变量的处理：

在每次符合条件的 CBCT 扫描中，将为 3 个感兴趣区域计算 11 个纹理特征。 纹理值将被处理为平均值和标准偏差，并且将在不同年龄\性别组之间进行比较以选择重要特征。 将进行相关性分析以测试年龄和性别与所选纹理特征之间的相关性。