0 引言

       颞下颌关节紊乱病（temporomandibular disorder, TMD）是一类由颞下颌关节（temporomandibular joint, TMJ）、咀嚼肌和其相关结构功能紊乱所致疾病的统称^{[1, 2, 3]}。此类疾病通常表现疼痛症状，同时伴随下颌活动范围受限的情况。部分患者在完成咀嚼等口面部活动时，能够在关节区域听到异响^[4]。另外，TMD可能会伴随出现头痛^[5]、颈部不适以及牙痛等症状。疼痛相关的颞下颌关节紊乱病是TMD中最为普遍的类型^[6]。最新研究显示，TMD影响范围广泛，全球人口中，约有34%的人受TMD困扰^[7]，TMD在青壮年群体中具有较高的发病率，女性患病率相对较高^{[8, 9, 10]}，相关研究提出雌激素水平与TMJ和整个口面部区域的疼痛调节有关^[11]，贫血和高血压的存在也是TMD易患的风险因素^[12]，发病影响因素较多且复杂，疾病负担沉重。然而，TMD在发病初期的临床表现缺乏特异性，多数患者在疾病中晚期才能得以明确诊断，使患者错过最佳治疗时机。

       MRI对软组织的高分辨率成像能力结合影像组学技术，使翼外肌、关节盘及双板区的微观特征量化，为TMD早期诊断提供客观依据，具有重要的临床价值。虽然现有研究已有对TMD影像学方面的研究，但传统影像评估主要依赖肉眼主观形态学观察，近两年文献中也缺乏对早期细微病变的定量分析工具，导致早期诊断效能有限。TMD的病理演变过程通常呈现为一种渐进性的模式。疾病初期，主要表现为功能紊乱，此时关节及周围肌肉的协调性出现异常，但尚未发生明显的结构性改变。随着病程进展，病变进入结构紊乱阶段，其特征是关节盘的形态、位置发生可被影像学识别的异常，如形变或移位。若上述阶段未能得到有效干预，病情将进一步恶化，最终发展为关节器质性破坏。TMD的早期病变，主要是指处于功能失调和明显结构破坏之间的病理状态。这种病变在常规MRI上可能表现不明显，但它是导致后续关节盘移位、形变，并最终引发关节器质性破坏的关键起始环节。因此，如果能够通过影像组学检测到MRI肉眼所不能观察到的相关病理改变，对于实现TMD的早期诊断具有重要价值，通过评估相关影像组学特征，预测疾病的相关进展对该病的早期干预或预防性治疗具有至关重要的意义。

       因此，本研究首次构建翼外肌-关节盘-双板区多参数联合模型，创新性地采用影像组学方法，系统分析121例TMD患者的MRI影像数据，突破传统诊断的局限性。研究目的在于：（1）挖掘TMD早期特异性影像组学特征；（2）建立客观的早期诊断评价体系。这不仅为TMD早期鉴别诊断提供新依据，对提升诊疗效率、改善患者预后具有重要意义。

1 材料与方法

1.1 一般资料

       本研究严格遵循《赫尔辛基宣言》伦理准则，获中国科技大学附属第一医院（安徽省立医院）医学伦理委员会批准（编号：2025-RE-195），同意免除受试者知情同意。选取中国科技大学附属第一医院（安徽省立医院）2019年12月至2024年10月期间收治的符合国际通用TMD诊断标准（diagnostic criteria for temporomandibular disorders, DC/TMD）的TMD患者。应用双盲评估机制筛选病例，由两位具有5年以上临床经验的资深颌面外科专家，分别独立审核患者的临床诊疗记录与影像学检查结果。纳入标注：（1）拥有完整的MRI影像资料且图像清晰；（2）主诉TMJ区域存在不适症状；（3）在进行MRI检查前，未接受过任何针对TMJ部位的治疗。排除标准：（1）单纯肌源性疼痛、肿瘤性疾病、风湿性关节炎等非结构性病变患者；（2）先天发育异常病例；（3）既往无TMJ外伤史，无正畸或正颌手术史。经过上述严格筛选后最终121例病例纳入研究。

1.2 数据采集

       本研究所有影像学数据采集在中国科技大学附属第一医院（安徽省立医院）影像中心完成，使用3.0 T超导MRI系统对个体双侧TMJ区域做标准化成像，扫描遵循以下高分辨率协议：（1）采用小视野技术，范围设定为10~12 cm，聚焦于目标关节区域；（2）采集矩阵不低于256×224，层厚为2~3 mm，层间距0.5 mm，以实现高信噪比与细节清晰度；（3）功能位扫描的常规序列包括闭口位和最大张口位，用于评估关节盘的静态位置及动态移位。为保证数据采集规范，所有影像学检查由专业放射科技师按统一扫描协议执行操作。

1.3 颞下颌关节紊乱的评估

       影像阅片由两位经验丰富的影像科医师独立完成，分别为从事影像诊断工作9年的主治医师及从事影像诊断工作17年的主任医师。诊断依据来源于TMJ常规MRI检查标准及关节盘移位影像学判读标准的专家共识^[13]，具体如下：（1）正常TMJ影像学特征，在闭口状态下，关节盘中间带位于关节髁突前斜面和结节后斜面间隙内，其后缘与髁突顶点区域相接触。当开口时，该结构会显现出特征性的哑铃形，其中间带部分受压于髁突顶端与关节结节之间。（2）可复性前移位特征，在闭口状态下，关节盘相对于髁突前斜面向前下方移位，其后缘位于时钟11:30刻度之前。当开口位达到最大时，关节盘的中间带能够复位，重新定位于髁突顶部与关节结节构成的间隙之中。（3）不可复性前移位特征，闭口位时表现和可复性移位类似；但在开口位最大时，关节盘后带仍在髁突前方，无法恢复至正常的解剖学位置。

1.4 图像处理及MRI图像病灶提取

       本研究基于质子密度加权像（proton density weighted imaging, PDWI）序列借助ITK-SNAP图像处理软件对MRI影像数据进行人工分割。具体操作流程如下：首先将原始DICOM格式的图像数据导入软件，并在图像数据基础上，手动精准勾勒出目标解剖结构对应的感兴趣区域（region of interest, ROI）。所有ROI的绘制均在软件预设的标准化操作界面内完成，且由两名独立操作人员独立分割。两名操作人员分别为一名具有9年MRI判读经验的影像科医师与一名经过TMJ结构分割标准化培训的影像医学研究生。在正式分割前，两名操作人员已完成10例预实验分割，其组内相关系数（intra-class correlation coefficient, ICC）达0.85，表明具有良好一致性。正式分割后通过ICC评估两名操作人员分割结果的一致性，采用双向随机效应模型、绝对一致性定义计算ROI体积的ICC值。并计算Dice相似系数（Dice similarity coefficient, DSC）来评估ROI空间重叠程度。DSC<0.7或ICC<0.75时由第三方影像科主任医师进行仲裁分割，仲裁分割结果将与两名操作者中一致性较高的一方重新计算ICC，以确保最终分割结果的可靠性。最后再随机选取25例数据重复分割，再次计算ICC，结果得出翼外肌、关节盘及双板区ICC值分别为0.91、0.93和0.94，均超0.90，说明分割结果可靠性良好。此次研究中ROI区域主要包含三部分，分别为翼外肌、关节盘以及双板区（图1）。

点击查看大图

图1  翼外肌（1A，红色）、关节盘（1B，蓝色）、双板区（1C，黄色）勾画示意图。
Fig. 1  Images segmentation of the lateral pterygoid muscle (1A, red), articular disc (1B, blue), and bilaminar zone (1C, yellow).

1.5 特征提取与筛选

       特征提取前，MRI图像经过图像标准化（灰度值归一至0~254范围）、重采样以及高斯滤波器降噪处理。采用Python编程语言结合PyRadiomics工具包完成对翼外肌、关节盘及双板区三个解剖部位特征及临床特征提取。特征提取以单个关节为基本单元，不分左右侧。从每个ROI中提取以下四类特征：（1）形态学特征（如体积、表面积、长轴直径等）；（2）灰度统计特征（如平均值、标准差、偏度、峰度等）；（3）纹理特征，包括灰度共生矩阵（GLCM）、灰度游程长度矩阵（GLRLM）、灰度大小区域矩阵（GLSZM）等；（4）高阶特征，通过小波变换和高斯拉普拉斯算子（Laplacian of Gaussian, LoG）滤波器提取。初始特征提取后，使用随机游走法基于原始标注的ROI生成5副伪掩膜并重复特征提取过程以模拟ROI标注对特征的影响，ICC<0.85的特征被予以剔除。特征量纲采用Z值标准化处理，为保证特征的稳定性与变异性，剔除方差为0及中位绝对偏差（MAD）<0.1的特征。通过特征过滤及剔除，最后保留428个影像组学特征。

1.6 模型构建及性能评估

       运用单因素方差分析（analysis of variance, ANOVA）结合Bonferroni校正，筛选出在可复性组、不可复性组和无移位组三组间差异显著（校正后P<0.05）的特征。运用“一对多”（one-vs-rest, OVR）机器学习范式，为每个目标类别建立独立的逻辑回归二分类器（可复性组vs.不可复性组和无移位组，不可复性组vs.可复性组和无移位组，无移位组vs.可复性组和不可复性组）。模型输入为经筛选后的显著差异特征，输出为各组别的预测概率。通过单因素和多因素逻辑回归构建了临床模型（Clinical）、影像组学模型（Radiomics）以及复合模型（Integrated）（将收集到的临床特征与影像组学特征联合），采用分层随机划分训练集，并通过测试集验证模型可靠性。分层五折交叉验证后，模型性能通过受试者工作特征（receiver operating characteristic, ROC）曲线评估，并计算曲线下面积（area under the curve, AUC）。

1.7 统计学方法

       采用Shapiro-Wilk检验判断连续变量的正态分布（集中趋势和离散程度），正态分布数据使用均值±标准差描述，非正态分布使用中位数（四分位距）描述，组间比较采用独立样本t检验或Mann-Whitney U检验。分类或计数数据使用频数（百分比）描述，组间比较采用卡方检验。决策曲线分析（decision curve analysis, DCA）评价三种模型的临床净收益率。P<0.05为差异具有统计学意义。

2 结果

2.1 病例入组结果及临床资料分析

       本研究共纳入121例样本，其中男30例（24.8%），女91例（75.2%）。总样本量n=242（包含双侧关节），按分层随机划分方法以7:3的比例分为训练集（n=169）和测试集（n=73）。训练集与测试集在性别、年龄、髁突参数（长轴、短轴、间角）、盘参数（形态、体积、穿孔情况）及脱位情况等变量上的分布差异无统计学意义（P>0.05），表明样本分组设计科学，为后续分析提供了可靠的数据基础。具体见表1。

点击查看表格

表1  患者一般资料
Tab. 1  General information of patients

2.2 特征筛选

       经单因素方差分析结合Bonferroni校正（表2），对双板区、关节盘及翼外肌的影像组学特征进行筛选。双板区、关节盘、翼外肌分别有7个、5个、0个特征在三组间差异具有统计学意义（P<0.05）。表明翼外肌在TMD不同亚型间差异不大。

点击查看表格

表2  双板区、关节盘及翼外肌在三组间差异具有统计学意义的特征
Tab. 2  The characteristics with statistically significant differences in the bilaminar zone, articular disc, and lateral pterygoid muscle among the three groups

2.3 组间差异分析

       将筛选后的显著特征输入模型，输出各组别的预测概率，并通过ROC曲线评估其区分效能。结果显示，关节盘显著特征在区分不可复性移位vs.可复性移位和无移位（AUC=0.79，95% CI：0.73~0.85），无移位vs.可复性移位和不可复性移位（AUC=0.78，95% CI：0.72~0.84）中具有较高效能，区分可复性移位vs.不可复性移位和无移位（AUC=0.53，95% CI：0.42~0.64）无显著能力。双板区显著特征在区分无移位vs.可复性移位和不可复性移位（AUC=0.84，95% CI：0.73~0.94）中具有较高效能，区分不可复性移位vs.可复性移位和无移位（AUC=0.67，95% CI：0.58~0.76）效能相对较差，区分可复性移位vs.不可复性移位和无移位（AUC=0.55，95% CI：0.45~0.66）无显著能力，详见图2。

点击查看大图

图2  关节盘（2A）和双板区（2B）显著特征区分无移位、可复性移位、不可复性移位的ROC曲线。ROC：受试者工作特征；AUC：曲线下面积。
Fig. 2  ROC curves for distinguishing non-displacement, reducible displacement, and irreducible displacement based on the significant characteristics of the articular disc (2A) and the bilaminar zone (2B). ROC: receiver operating characteristic; AUC: area under the curve.

2.4 模型构建及效能评价

       基于筛选后的显著特征，通过单因素和多因素逻辑回归构建了临床模型（Clinical）、影像组学模型（Radiomics）、复合模型（Integrated）。其中临床模型的具体变量为性别、年龄、髁突参数（长轴、短轴、间角）、盘参数（形态、体积、穿孔情况）及脱位情况。采用分层随机划分训练集并评估测试集上的诊断效能，分层五折交叉验证后，绘制ROC曲线（图3），复合模型在训练集（AUC=0.95）和测试集（AUC=0.89）中均表现出优于临床模型及影像组学模型的判别性能。DeLong检验进一步证实，这些AUC差异均具有统计学意义（P<0.05），详见表3。DCA表明，复合模型具有更高的临床净获益（图4）。通过整合临床与影像组学特征，复合模型不仅判别能力的稳定性更强，其整体的预测与诊断效能也更高。

点击查看大图

图3  三种模型在训练集（3A）和测试集（3B）的ROC曲线。ROC：受试者工作特征；AUC：曲线下面积。
Fig. 3  ROC curves of three models on the training set (3A) and test set (3B). ROC: receiver operating characteristic; AUC: area under the curve.

点击查看大图

图4  决策曲线分析。
Fig. 4  Decision curve analysis.

点击查看表格

表3  三个模型在训练集和测试集中ROC指标及DeLong检验结果
Tab. 3  Performance metrics for the three models in the training and testing sets, and the DeLong test results

3 讨论

       本研究采用MRI影像组学方法，系统分析并提取TMD患者翼外肌、关节盘及双板区的影像组学特征，并构建相关预测模型。研究结果显示，不同类型TMD患者在上述解剖区域的影像组学特征上存在显著差异，关节盘及双板区显著特征所构建的模型在测试集中表现出良好的诊断效能。这是学术上首次将影像组学技术应用于TMD患者翼外肌-关节盘-双板区中进行多区域、系统性的特征分析，也证实了该方法在客观量化TMD病理改变方面的巨大潜力。本研究创新性地将传统依赖主观经验判断的TMD诊断模式转变为一种基于数据驱动的、客观可重复的精准评估新方式，帮助临床医生更好地进行TMD的早期诊断和精准分型，已为帮助患者制订个性化治疗提供了强有力的影像学工具。

3.1 本研究对TMD常规诊断主观性的挑战及其创新性

       目前，TMD的临床诊断主要依赖于DC/TMD，该标准为TMD提供了系统性的分类框架，涵盖了从肌肉疼痛到关节盘移位、退行性关节病^[14]等多种类型，帮助临床诊断和治疗方案的制订^[15]。然而，应用DC/TMD诊断时仍在很大程度上依赖于医生对患者主诉（如颞下颌区域及咀嚼肌群的压痛）和客观体征（如关节弹响、张口度减小）的判断^{[16, 17]}，主观性较强。TMD不是单个因素引起，而是由多因素相互作用引起的^[18]，其发病主要与以下几个因素有关：创伤、剧烈疼痛刺激、心理因素（包括压力、焦虑和抑郁）^{[19, 20, 21]}，复杂的发病因素进一步增加了早期诊断的难度。

       因此，本研究引入MRI影像组学技术，此技术核心在于通过高通量计算，从医学图像中提取大量肉眼无法识别的、客观定量的纹理特征，从而弥补传统诊断方法在疾病定量评估上的不足^[22]。相关研究表明，利用MRI既能观察到髁突等骨骼结构的改变^[23]，也能精确评估关节盘^[24]和盘周附着^[25]的变化情况，MRI对翼外肌、双板区、滑膜病变和关节腔积液还表现出很高的敏感性^{[26, 27]}。因为有这些优势，MRI被广泛认为是目前评价颞下颌关节盘与髁突相对位置异常以及软组织解剖形态改变的最佳影像学检查^{[28, 29]}。但是，常规MRI解读也存在主观性。本研究超越了肉眼观察的传统诊断，通过对MRI图像的深度挖掘，将影像信息转化为可量化、可分析的数据。

3.2 关键区域影像组学特征差异的病理生理学意义

       研究结果发现双板区和关节盘筛选出了在三组间具有显著差异的影像组学特征。这一结果并非偶然，而是与TMD复杂的病理生理机制高度吻合。从病理学角度看，TMD的根本原因在于TMJ、咀嚼肌系统以及周围邻近结构的异常^[30]，TMJ解剖结构异常，通常表现为髁状突位置改变，以及关节窝自身形态发生异常^[31]。关节盘作为核心结构，其前移位是最常见的TMD亚型^[32]。本研究中关节盘影像组学特征的显著差异，直接反映了不同亚型间关节盘形态、位置及内部组织构成的客观改变，这与关节盘形态变化被视为机体对移位的代偿性适应的观点^[33]相符。既往相关研究也表明，TMD早期关节盘损伤，是该病早期征象之一^[34]，关节盘形态和位置异常能够反映TMD的进展情况^[35]。更具价值的是关于双板区的发现，谷志远团队的动物实验已证实，关节盘移位早期双板区即出现细胞凋亡现象，组织重构过程启动，提示双板区的变化可能与TMD发生发展有关^{[36, 37]}。本研究通过影像组学验证了双板区在不同TMD亚型间的显著异质性，这提示双板区的病理改变是TMD发生发展中的关键环节，其影像学特征可能成为早期诊断和监测疾病进展的敏感标志物。相比之下，翼外肌未筛选出显著特征，翼外肌在TMJ运动中发挥核心作用^[38]，关节盘前移位阶段翼外肌可能表现出纤维化^[39]，但本研究结果提示，在TMD的不同亚型之间，翼外肌的MRI影像组学特征可能缺乏足够的区分度，这一结果同样具有重要意义。这可能提示：（1）翼外肌的改变是TMD的一个普遍伴随现象，而非区分特定亚型的特异性指标；（2）受MRI分辨率及信噪比的限制，可能不足以捕捉翼外肌在不同亚型之间的显著差异；（3）在进行MRI检查时，翼外肌的信号会与周围的脂肪、筋膜，甚至翼内肌的信号发生混合，导致提取的纹理特征不能真实反映肌肉内部的微观结构。

3.3 复合模型的临床价值与应用前景

       本研究将筛选出的显著差异特征输入模型，最终证实复合模型（整合临床与影像组学特征）在区分能力和预测效能上均优于单一模型。这一发现具有重要的临床价值和理论意义。

       首先，它提供了一个客观的评估依据。有助于临床医生对患者更精准地分型，减少因主观判断差异导致的误诊和漏诊，也帮助临床医生制定更优化的治疗方案。准确的分型是精准治疗的前提，例如，对于以双板区炎性改变为主的早期患者，可能更适合保守治疗；而对于关节盘形态发生显著改变的患者，则可能需要考虑更积极的干预。其次，本研究成功地将影像组学这一在其他领域（如肿瘤学）已证明有效的技术^[40]，创造性地应用于TMD这一复杂的口腔颌面部疾病中，并验证了其有效性。这不仅拓展了影像组学的应用边界，更让我们能够更深入地了解TMD多因素相互作用下的内在规律，为未来剖析其复杂的发病机制提供了新的研究思路。

3.4 局限性及展望

       本研究存在两大主要局限：一是作为单中心回顾性研究，样本量有限，且TMD病因复杂，影响了结果的普适性；二是影像组学分析依赖人工勾画，耗时且存在主观差异。因此，未来研究应转向大规模、多中心的前瞻性研究以增强结论的稳健性，并采用深度学习等自动化技术以提高分析效率和客观性。目前对于TMD复杂病理机制的解析尚不全面。本研究虽然揭示了双板区和关节盘影像组学特征的重要意义，但这些影像组学特征背后的具体生物学机制仍有待阐明。未来的研究应致力于将影像组学与基因组学、蛋白质组学等多组学数据相结合，并开展相关基础实验验证，彻底探索影像特征背后的分子生物学意义，从而真正实现从“影像表型”到“疾病本质”的精准诊断与理解。

4 结论

       基于TMD患者关节盘与双板区的MRI影像组学研究，可为TMD的早期诊断及通过早期病变的影像组学特征预测其未来将向TMD何种亚型进展提供一种创新性思路，通过早期诊断及相关鉴别为临床早期干预提供新途径。同时，本研究也发现了仅依赖翼外肌影像组学进行TMD亚型间鉴别相对较局限。