目的:骨关节炎是最常见的关节疾病,也是导致长期残疾的主要原因,给个人和社会带来沉重的经济负担。由于骨关节炎的发生、发展与老龄化、肥胖、性别、吸烟、遗传、炎症、生物力学等诸多因素相关,所以骨关节炎的发病机制尚不清楚,亦无明确的生物标记物对骨关节炎进行早期诊断。早期的研究认为,骨关节炎是以关节软骨的退变为主要病理改变,近年来一系列研究认为骨关节炎是累及软骨、韧带、半月板、软骨下骨的全关节病变,并且软骨下骨的结构变化通常先于关节软骨发生变化这一观点已被广泛接受。纹理分析是根据图像或感兴趣区域的灰度(像素)值的分布和空间布局进行统计分析的方法,具有识别疾病早期细微变化的潜能。应用纹理分析方法自动分析X线、CT、MRI等医学影像学图像来诊断疾病,已成为人工智能领域研究的热点。目前已有少量关于纹理分析软骨下骨预测骨关节炎发生的回顾性研究,但系统分析纹理变化与关节炎进展的研究鲜有报道。我们通过建立豚鼠自发性膝骨关节炎模型,确立软骨下骨纹理参数与骨关节炎的关系,并在此基础上筛选构建豚鼠胫骨平台内侧软骨下骨X线纹理局部二值模式结合灰度共生矩阵分析角度、步长的最佳组合,利用从软骨下骨X线图像中提取的局部二值模式结合灰度共生矩阵纹理特征值拟合人工神经网络模式识别模型来对不同程度骨关节炎进行鉴别,同时对临床膝关节X线软骨下骨纹理参数进行分析,预测膝骨关节炎的发生。材料与方法:一、豚鼠膝骨关节炎的纹理分析1.基于局部二值模式和灰度共生矩阵的理论,对不同月龄的45只豚鼠行离体膝关节X线检查;2.取豚鼠离体膝关节行特殊染色,并根据病理结果将45只豚鼠骨关节炎分为0级、1级、2级、3级;3.在不同移动角度θ和移动步长d下构建豚鼠胫骨平台内侧软骨下骨感兴趣区的局部二值模式结合灰度共生矩阵的图像,并提取软骨下骨的6个纹理特征参数(能量、对比度、相关性、熵、同质性、异质性),对这6个纹理特征参数进行单因素方差分析,采用人工神经网络模型对不同程度关节炎进行验证,并用留一法验证不同局部二值模式结合灰度共生矩阵纹理分析方法对豚鼠骨关节炎的分类效果。二、纹理分析预测膝骨关节炎发生的研究1.从骨关节炎公用数据库(Osteoarthritis initiative,OAI)中选取满足基线双膝关节KL分级为0级,随访36个月后右膝关节KL≥2级的受试者纳入骨关节炎影像学进展组,36个月后KL分级仍为0级的纳入对照组;2.应用局部二值模式结合灰度共生矩阵的纹理分析方法提取膝关节X线图像上胫骨平台内侧软骨下骨的纹理参数;3.应用受试者工作特征曲线下面积对纹理参数预测膝骨关节炎发生的能力进行评估。结果:一、豚鼠膝骨关节炎的纹理分析1.45只豚鼠中病理学分级为:0级20只,1级18只,2级7只,3级0只;2.当移动角度为0°,移动步长为2个像素时,除熵值外,其他纹理参数两两比较均有统计学意义(p<0.05);3.交互检验结果显示建立于放射学纹理定量指标基础上的人工神经网络识别模型对豚鼠无骨关节炎组(0级),轻度骨关节炎组(1级),中度骨关节炎组(2级)分级的准确率分别为100.00%、100.00%、100.00%,本实验组所有豚鼠均能够被准确分级。二、纹理分析预测膝关节炎发生的研究1.按条件对OAI数据库基线期及随访36个月的数据进行筛选,基线期34人纳入影像学进展组,30人纳入对照组。两组在基线期的临床特征资料(性别、年龄、体质量指数、老年人体力活动量)无统计学差异;随访36个月后,两组受试者的临床特征资料也无统计学差异;2.多因素回归分析,老年人体力活动量是发生膝骨关节炎的危险因素,临床特征资料无法预测膝骨关节炎的发生;3.将具有统计学意义的所用不同角度和步长的纹理参数分别计算受试者工作特性曲线下面积,单一纹理参数的曲线下面积在0.5-0.67;联合各纹理参数曲线下面积在0.67-0.7,诊断比值比在4-7.1;纹理参数联合临床特征参数的曲线下面积在0.68-0.76,诊断比值比在5.6-10.45。结论:1、移动角度为0°,移动步长为2个像素下构建软骨下骨的局部二值模式结合灰度共生矩阵纹理分析方法所获得的豚鼠内侧软骨下骨X线纹理分类效果最佳;2、基于局部二值模式结合灰度共生矩阵的纹理特征值拟合人工神经网络模型在豚鼠不同程度膝骨关节炎中具有非常高的分类准确性;3、当普通膝关节放射学检查尚无明显变化时,图像的纹理分析的参数可能会预测放射学膝骨关节炎的发生,同时也可以识别高危患者进行未来的临床试验。