腰椎間盤突出癥肢體紅外多尺度熵變規律研究

吳思 王平△ 謝海波 劉愛峰 張超 王為民 蘇瑾

腰椎間盤突出癥是臨床常見病，受累肢體熱像圖表現出的低溫現象被稱為紅外熱像下肢神經刺激征，是該病典型的熱圖表現[1]。目前臨床紅外圖像分析更多偏于感興趣區溫差變化的測量，由于紅外熱像在檢測及分析時干擾因素較多，導致圖像分析精度與數據處理深度尚待提升[2-3]。因此本研究基于前人的研究成果，將肢體受累區的熱像圖轉化為像素序列，運用多尺度熵法對像素序列進行分析[4]，觀察腰椎間盤突出癥患者病變肢體紅外感興趣區多尺度熵數據表達特征，并對相關功能評分進行觀察，為病變熱像圖的分析及評估提供研究基礎。

1 研究對象與方法

1.1 健康受試者入組標準

108例患者年齡為20～40歲；無腰部疼痛及下肢放射痛的病史，無下肢肌肉萎縮及皮膚感覺異常；臨床查體無明顯腰部壓痛、下肢放射痛、直腿抬高試驗陽性等典型腰椎間盤突出癥的癥狀、體征。

1.2 診斷標準

依據《腰椎間盤突出癥》[5]中腰椎間盤突出癥的診斷標準：1)腰痛、下肢痛呈典型的腰骶神經根分布區域的疼痛，常表現為下肢痛重于腰痛。2)存在按神經支配區域表現的肌肉萎縮、肌力減弱、感覺異常和反射改變四種神經障礙體征中的兩種征象。3)神經根張力試驗，無論直腿抬高試驗還是股神經牽拉試驗都為陽性。4)影像學檢查，包括X線片、CT、MRI或特殊造影等，異常征象與臨床表現一致。

1.3 納入標準

符合腰椎間盤突出癥的診斷標準；能夠配合完成紅外熱像檢查；年齡為20～40歲；同意參與本項研究，簽署知情同意書。

1.4 排除標準

1.5 疼痛、功能評估

所有患者均采用Oswestry腰椎功能障礙指數(ODI，總分50分，分值越高肢體功能越差)、視覺模擬疼痛評分(VAS，總分10分，分值越高疼痛越重)及日本矯形外科協會評分(JOA，總分29分，分值越高功能越佳)對肢體功能及疼痛進行評估[6-8]。

1.6 紅外熱像采集、處理、分析

1.6.1圖像采集 研究使用DH-2010型紅外熱像儀(重慶寶通華醫療器械公司)，預熱完成后開始校正儀器，校正到圖像均勻進行拍圖操作。受試者進行圖像采集前禁止飲酒、服用刺激性食物；避免下肢及足部進行理療、針灸、按摩、拔罐、膏藥敷貼等治療；檢查前除去衣物，休息15～20 min后進行檢查[9]。

對患者及健康受試者下肢紅外圖像的感興趣區進行分割，共劃分為小腿前外側區、小腿后外側區、足背區、足底區、大腿后側區。以紅外熱像圖左上角為坐標原點，向右為Y軸正方向，向下為X軸正方向，建立直角坐標系，利用MATLAB中的Crop函數得到所要研究小腿感興趣區局部紅外圖像。

1.6.2降噪 本研究使用中值濾波進行降噪，是非線性處理方法，運行簡單，濾除大顆粒噪聲，較好地保護邊界。中值濾波的原理是把數字圖像或數字序列中的一點的值，用該點的一個鄰域中各點值的中值代替，讓周圍的像素值接近真實值，從而消除孤立的噪聲點[10]。

1.6.3增強 對受試者下肢感興趣區紅外圖像處理采用效果最佳的中值濾波和加權直方圖均衡算法，判斷原始圖像大小是否為m×n×3，之后轉化為m×n灰度圖，進行中值濾波，計算各像素點的頻率信息，得到頻率因子F(x，y)，利用頻率因子對各像素進行加權，統計各個灰度級，形成加權直方圖，之后計算得出加權直方圖的平臺閾值，繼而得到平臺加權直方圖，最后進行均衡化處理[11]。

1.6.4多尺度熵分析 多尺度熵(Multi-Scale Entropy，MSE)是將樣本熵擴展到多個時間尺度，便于在時間尺度不確定時提供額外的觀察視角，為計算不同時間尺度下信號的復雜性，Costa等提出了多尺度熵[12]。多尺度熵法用于量化一個給定時間序列的無規則程度，其算法有3個參數因子：嵌入維數m即序列的窗口長度，尺度因子τ，相似系數r[13]。多尺度熵的計算公式如下：

MSE={τ|sampEn(τ，m，r)= -ln[Cτ，m+1(r)/Cτ，m(r)]。

在對不同肢體觀察區域紅外圖像濾波、增強后，提取圖像的像素序列信息，利用多尺度熵算法對像素序列進行計算，分析受試者肢體不同觀察區域的熵值。

1.7 統計學方法

2 結果

2.1 一般資料

根據診斷標準、納入標準、排除標準，并結合樣本量估算，研究共納入患者108例；女50例，男58例；年齡20～40歲，平均32.64歲；病程3 d～10年不等?；颊呔鶠閱蝹认轮弁醇奥槟緸橹?。全部患者均行腰椎MRI或CT檢查，突出節段均為腰5/骶1節段。根據健康受試者的招募條件及排除標準，共招募健康受試者92例，其中男31例，女61位，平均年齡為25.05歲。

2.2 腰椎間盤突出癥患者肢體多尺度熵變特征

腰椎間盤突出癥患者患側肢體小腿后外側區、足底區、足背區、大腿后側區多尺度熵值與患者健側肢體及健康受試者相關區域多尺度熵值升高，差異有統計學意義(P<0.05)?；紓戎w小腿前外側區多尺度熵值與患者健側肢體及健康受試者相關區域多尺度熵值，差異無統計學意義(P>0.05)?；颊呓戎w相關感性興趣區與健康受試者多尺度熵值間，差異均無統計學意義(P>0.05)，見表1。

表1 肢體區域多尺度熵值對比

2.3 肢體區域紅外多尺度熵值與肢體疼痛功能評分相關性分析

將患者患側肢體觀察區域多尺度熵值與ODI、VAS、JOA評分做散點圖，進行相關性分析，可發現在患側肢體小腿后外側區、足底區、大腿后側區多尺度熵值與ODI、VAS評分間明顯正相關，與JOA評分負相關，即紅外多尺度熵值越大，肢體疼痛程度越重，功能障礙越重(見圖1-圖3)。足背區多尺度熵值與ODI、VAS、JOA評分間無明顯相關性。

圖1 小腿后外側區與ODI、VAS、JOA評分相關性分析

圖2 足底區與ODI、VAS、JOA評分相關性分析

圖3 大腿后側區與ODI、VAS、JOA評分相關性分析

2.4 典型病例

患者，男，26歲，主因“腰臀部疼痛，右大腿、右小腿后外側疼痛1個月”就診，腰椎MR示腰5/骶1椎間盤退變，右后突出，繼發相應水平椎管狹窄。診斷為腰椎間盤突出癥。VAS評分為7分，ODI評分為36分，JOA評分為12分。完善紅外熱像檢查，可見右下肢相關感興趣區較左側溫度降低，溫差升高，患側足底多尺度熵值升高(見圖4及表2)。

圖4 典型病例紅外圖像

表2 典型病例紅外數據

3 討論

隨著紅外熱成像技術的發展，其在醫學領域內應用越來越廣，國內較早將紅外熱像引入到多種疼痛的診斷及療效評價中，取得了良好的效果。但是紅外熱像在采集過程中易受到外界因素的干擾，在數據分析時受到測量精度與誤差的影響，使其在臨床進行更深入的研究受到了阻礙[14]。信息熵及其算法的出現彌補了紅外圖像分析及處理方面的不足，可最大化提取所包含的疾病信息，對圖像中病變區域熵值與疾病所導致的疼痛、功能障礙間的關系進行探討，有助于對疾病的理解，同時為后期進行療效的觀察與評價奠定了基礎。

腰椎間盤突出所導致的肢體疼痛麻木，影響下肢神經支配區的溫度變化，造成溫差增大，已被業內廣泛認可[15]。本研究將患側肢體大腿后側、小腿后外側、足背、足底等常見的低溫區域進行紅外熱像圖單獨截取，進行圖像增強、降噪及多尺度熵計算。通過數據分析發現，健康受試者相關感興趣區域多尺度熵值低于患者健側與患側熵值，患側除小腿前外側區域外均較健側與健康受試者相關區域的熵值升高，差異有統計學意義。

ODI、VAS、JOA評分是針對腰椎間盤突出癥最常用的疼痛功能評分，對病情評估具有指導意義，本研究將相關區域的多尺度熵值與疼痛功能評分進行相關性分析，發現大腿后側、小腿后外側、足底區多尺度熵值與ODI、VAS評分正相關，即熵值越升高疼痛越重，肢體功能越受限；與JOA評分負相關，即熵值越降低疼痛越輕，肢體功能受限越輕。本研究選取的受試者突出節段均為腰5/骶1節段，多影響骶1神經支配區域，而表現為大腿后側、小腿后外側及足部的疼痛麻木，從患者癥狀體征上也與多尺度熵值變化的區域存在關聯性。

薛定諤將“熵”研究成果引入到生命現象的研究中，對生命現象的普遍物理解釋提出了幾個關鍵問題：1)生命體是由原子構成的，其產生、發展、成熟要求熱運動的有序與規律。2)生物體通過不斷向環境中攝取“負熵”，或者說將機體內的“熵”全部流出機體，來維持自身的“非平衡態”[16]。因此要保證生命個體的生存和進化，必須使“負熵”增加，否則意味著生物體與外界環境失去聯系，結果是熵的產生越來越多，體系越來越混亂，進而產生“疾病”，當“熵增”累積到最大時，最終導致死亡的發生[17]。本研究結果可驗證薛定諤的部分論斷，腰椎間盤突出發生時，導致肢體疼痛麻木及功能受限，從紅外熱像角度表現為多尺度熵增加，熵增越大，疼痛及肢體功能障礙越重。通過相關治療，肢體疼痛及功能受限得到緩解，紅外熱像相關區域溫差降低，甚至溫差相等，患者身體得到恢復，這在臨床上已經得到廣泛的證實[18]。

綜上所述，腰椎間盤突出癥患者病變肢體紅外熱成像熵變規律的研究，有助于進一步認識疾病本身，筆者后續將進一步增加患者樣本量、擴大肢體的分析區域，同時將該方法應用于臨床療效觀察與分析中[19]。