體積對自動(dòng)勾畫軟件勾畫危及器官準(zhǔn)確性的影響

李華玲，王沛沛，李金凱，李彩虹，昌志剛，顧宵寰，孫新臣，曹遠(yuǎn)東

1.南京醫(yī)科大學(xué)特種醫(yī)學(xué)系，江蘇南京210009；2.南京醫(yī)科大學(xué)第一附屬醫(yī)院放療科，江蘇南京210009

前言

近年來隨著腫瘤放療的快速發(fā)展，接受腫瘤放療的人數(shù)逐漸上升。據(jù)估計(jì)，美國每年有470 000 名患者接受放療［1］。在腫瘤放療的整個(gè)過程中，危及器官（Organs‐at‐Risk, OAR）的準(zhǔn)確勾畫是一個(gè)非常關(guān)鍵的環(huán)節(jié)［2‐3］。而醫(yī)生手動(dòng)勾畫OAR 是一個(gè)十分耗時(shí)的過程，每一個(gè)患者都有數(shù)百張CT 圖像，而醫(yī)生需要對相關(guān)的CT圖像進(jìn)行逐張勾畫。Walker等［4］和Teguh 等［5］經(jīng)過研究發(fā)現(xiàn)與手動(dòng)勾畫OAR 相比，自動(dòng)勾畫可節(jié)省大量的時(shí)間。手動(dòng)勾畫OAR一般需要數(shù)小時(shí)而自動(dòng)勾畫則僅需數(shù)分鐘乃至數(shù)秒即可完成。近年來，多種OAR自動(dòng)勾畫技術(shù)被相繼開發(fā)，其中包括基于圖譜的自動(dòng)勾畫技術(shù)［6‐7］、基于機(jī)器學(xué)習(xí)的自動(dòng)勾畫技術(shù)［8］和基于神經(jīng)網(wǎng)絡(luò)的自動(dòng)勾畫技術(shù)［9‐10］。在自動(dòng)勾畫技術(shù)提出的同時(shí)，自動(dòng)勾畫技術(shù)的準(zhǔn)確度也隨之得到了重視，并且逐漸成為學(xué)者們的研究熱點(diǎn)。已有不少學(xué)者對各種自動(dòng)勾畫技術(shù)的準(zhǔn)確性進(jìn)行了評估［11‐14］。目前用于評估自動(dòng)勾畫技術(shù)的常用方法有豪斯多夫距離（Hausdorff Distance, HD）和體積重疊方法。本研究主要目的是評估基于人工智能（Artificial Intelligence,AI）的自動(dòng)勾畫軟件的準(zhǔn)確度，并研究自動(dòng)勾畫的幾何準(zhǔn)確性是否受OAR 體積大小的影響。

1 材料與方法

1.1 實(shí)驗(yàn)數(shù)據(jù)

選取來自南京醫(yī)科大學(xué)第一附屬醫(yī)院放療科2018年1月至11月的161例患者，其中頭頸部腫瘤40例、胸部腫瘤40例、腹部腫瘤41例、盆腔腫瘤40例。所有病例均使用CT 模擬定位機(jī)（德國Siemens）進(jìn)行掃描，并將CT 圖像通過DICOM 傳至自動(dòng)勾畫軟件工作站和醫(yī)生工作站。使用經(jīng)訓(xùn)練的AccuContour自動(dòng)勾畫軟件與手動(dòng)勾畫方法對晶體、視神經(jīng)、眼球、垂體、腦干、腮腺、下頜骨、肺部、心臟、腎臟、肝臟、直腸、膀胱、股骨頭等部位進(jìn)行勾畫。通過MIM Maestro 軟件計(jì)算獲得戴斯相似系數(shù)（Dice Similarity Coefficient,DSC）、Jaccard系數(shù)、HD及體積等參數(shù)。

1.2 自動(dòng)勾畫軟件

AccuContour 自動(dòng)勾畫軟件是由Manteia（中國）公司開發(fā)的一種基于深度學(xué)習(xí)的自動(dòng)勾畫軟件。通過建立圖像分割模型，并以多種網(wǎng)絡(luò)結(jié)構(gòu)模型、多種loss 結(jié)構(gòu)融合進(jìn)行訓(xùn)練，進(jìn)而對大量的數(shù)據(jù)進(jìn)行學(xué)習(xí)，從而實(shí)現(xiàn)對目標(biāo)圖像的自動(dòng)分割和輪廓勾畫。

1.3 手動(dòng)勾畫

有經(jīng)驗(yàn)的多位醫(yī)師在Elekta MONACO‐SimⅤ5.1 工作平臺上對頭頸部、胸部、腹部及盆腔腫瘤的OAR 在CT 圖像進(jìn)行手動(dòng)勾畫，其中每個(gè)部位均由同一位醫(yī)師進(jìn)行勾畫。所勾畫的OAR 包括晶體、視神經(jīng)、眼球、垂體、腦干、腮腺、下頜骨、雙肺、心臟、雙腎、肝臟、直腸、膀胱、股骨頭等部位。勾畫時(shí)均參考RTOG OAR 勾畫指南，所涉及的OAR 勾畫范圍均一致。

1.4 評估方法

目前用于評估自動(dòng)勾畫技術(shù)的常用評估方法有HD 和體積重疊方法，而目前流行的重疊方法有DSC及Jaccard系數(shù)［15］。

（1）DSC 用于評價(jià)自動(dòng)勾畫和手動(dòng)勾畫之間的體積重疊性［5,16］，其計(jì)算公式為：

其中，Va代表自動(dòng)勾畫輪廓的體積，Vm代表手動(dòng)勾畫輪廓的體積。DSC ∈[0,1]，數(shù)值越高代表勾畫效果越好，0代表兩者沒有任何交集，1代表兩者完全重合。

（2）HD 是用于描述兩組點(diǎn)集之間相似程度，是兩個(gè)點(diǎn)集之間距離的一種定義形式，是一個(gè)點(diǎn)集中的點(diǎn)到另一個(gè)點(diǎn)集的最短距離的最大值。假如自動(dòng)勾畫的集合A={a1,a2,…,ai}，手動(dòng)勾畫的集合M={m1,m2,…,mj}，則兩集合的HD為：

H(A,M)越小，表示自動(dòng)勾畫集合和手動(dòng)勾畫集合的最短距離的最大值越小，兩個(gè)集合的交集越大，自動(dòng)分割越準(zhǔn)確。

（3）Jaccard 系數(shù)用于比較手動(dòng)勾畫和自動(dòng)勾畫二者之間的相似性與差異性，為自動(dòng)勾畫集合A和手動(dòng)勾畫集合M交集的大小與二者并集大小的比值，其公式可表示為:

Jaccard 系數(shù)值越大，表明自動(dòng)勾畫與手動(dòng)勾畫相似性度越高。

1.5 統(tǒng)計(jì)學(xué)分析

使用SPSS 23 軟件對數(shù)據(jù)進(jìn)行統(tǒng)計(jì)學(xué)分析?？傮w的DSC、HD、Jaccard 系數(shù)為偏態(tài)分布，用中位數(shù)及四分位間距表示；各部位的DSC、HD、Jaccard 系數(shù)則用均數(shù)±標(biāo)準(zhǔn)差表示。對總體及各個(gè)部位的DSC、HD、Jaccard 系數(shù)與體積進(jìn)行Spearman 相關(guān)分析；對晶體、視神經(jīng)、眼球、雙肺、雙腎等成對OAR 的DSC、HD、Jaccard 系數(shù)進(jìn)行Wilcoxon 配對秩檢驗(yàn)；對雙肺的體積進(jìn)行Wilcoxon 配對秩檢驗(yàn)。檢驗(yàn)水準(zhǔn)為0.05，P＜0.05為差異有統(tǒng)計(jì)學(xué)意義。

2 結(jié)果

總體的DSC 中位數(shù)為0.896，四分位數(shù)間距為0.125；總體的HD 的中位數(shù)為5.754 mm，四分位數(shù)間距為8.380 mm；總體的Jaccard系數(shù)的中位數(shù)為0.813，四分位數(shù)間距為0.193，具體分布情況如圖1所示。

圖1 DSC、Jaccard系數(shù)、HD的分布情況Fig.1 Distribution of Dice similarity coefficient(DSC),Jaccard coefficient,Hausdorff distance(HD)

圖2為自動(dòng)勾畫與手動(dòng)勾畫的比較，從圖中可以看出兩者重合性較好，但是可以看到在肝臟的自動(dòng)勾畫中，自動(dòng)勾畫軟件將積液誤認(rèn)為肝臟組織（圖2c），自動(dòng)勾畫算法在感興趣區(qū)消失層面效果有待提高。

各個(gè)部位的DSC 均數(shù)均大于0.7，其中晶體、視神經(jīng)、垂體的DSC 均數(shù)為0.7～0.8，其他部位均大于0.8。頭頸部的HD 均數(shù)均小于8 mm，胸部均小于22 mm，肝臟為34.563 mm，腹部其他OAR 均小于19 mm，盆腔均小于16 mm。頭頸部的Jaccard系數(shù)均數(shù)為0.557～0.880，其中最低的為右視神經(jīng)，最高的為下頜骨，具體數(shù)值詳見表1?？傮w的DSCall、HDall、Jaccardall系數(shù)與體積具有正相關(guān)性；其中，相關(guān)系數(shù)均大于0.7（rDSC=0.757,rJaccard=0.775,rHD=0.761；PDSC=0.000,PHD=0.000,PJaccard=0.000）。晶體、視神經(jīng)、眼球、垂體、腦干、腮腺、下頜骨、雙肺、膀胱、股骨頭等部位的DSC、Jaccard 系數(shù)與其體積具有相關(guān)性，其他部位則暫不能認(rèn)為有相關(guān)性，如表2所示。尚不能認(rèn)為各個(gè)部位的HD與體積有相關(guān)性。

雙肺之間的DSC、Jaccard 系數(shù)差異具有統(tǒng)計(jì)學(xué)意義（PDSC＝0.000,PJaccard＝0.000），且雙肺之間的體積差異也具有統(tǒng)計(jì)學(xué)意義（P＝0.000）。左右晶體、左右視神經(jīng)、左右眼球、左右腮腺、左右顳頜關(guān)節(jié)、雙腎、左右股骨頭等部位的DSC、Jaccard 系數(shù)差異則不具有統(tǒng)計(jì)學(xué)意義，詳見表3。

3 討論

AccuContour 自動(dòng)勾畫軟件是基于深度學(xué)習(xí)的自動(dòng)勾畫軟件，本研究顯示各個(gè)部分的DSC 均數(shù)均大于0.7，其中體積較大的部位的DSC 可達(dá)到0.9 以上，如雙肺、心臟。有學(xué)者認(rèn)為DSC＞0.7 則可認(rèn)為自動(dòng)勾畫和手動(dòng)勾畫重疊性良好［17‐18］。頭頸部的Jaccard 系數(shù)均數(shù)為0.557～0.880，其中最低的為右視神經(jīng)，最高的為下頜骨。頭頸部、胸部、盆腔的HD 均數(shù)分別小于8、22、16 mm；肝臟的HD均數(shù)為34.563 mm；腹部其他部位均小于19 mm。 由此可看出AccuContour 自動(dòng)勾畫軟件的總體勾畫結(jié)果良好。但是經(jīng)過分析對比發(fā)現(xiàn)，自動(dòng)勾畫系統(tǒng)在頭頸部小體積器官、腹部及盆腔OAR的勾畫效果還有所欠缺，對于小體積的OAR，因?yàn)槠鋬H在幾個(gè)CT 層面出現(xiàn)，所以勾畫效果偏差較大。針對這個(gè)問題，已有學(xué)者研究針對于小體積OAR 自動(dòng)勾畫的方法。例如Zhao 等［19］提出一種基于卷積神經(jīng)網(wǎng)絡(luò)的自動(dòng)勾畫方法用于小體積器官的勾畫。對于腹部及盆腔的OAR的自動(dòng)勾畫，在某些情況下，自動(dòng)勾畫系統(tǒng)會把其它組織誤認(rèn)為當(dāng)前所勾畫的OAR。例如在肝臟的自動(dòng)勾畫中，自動(dòng)勾畫系統(tǒng)會將積液誤認(rèn)為是肝組織，其可能受到兩個(gè)因素的影響：（1）腹腔、盆腔病變的電子密度及CT 值與周圍正常組織相近；（2）呼吸運(yùn)動(dòng)及腸道蠕動(dòng)使得腹部及盆腔中OAR的位置相對不固定，說明自動(dòng)勾畫算法在感興趣區(qū)消失層面效果還是有所欠缺。

圖2 自動(dòng)勾畫與手動(dòng)勾畫的對比Fig.2 Comparison between automatic segmentations and manual segmentations

除了評價(jià)自動(dòng)勾畫系統(tǒng)的準(zhǔn)確性，本研究還探討了自動(dòng)勾畫的幾何準(zhǔn)確性是否受體積大小的影響。從結(jié)果顯示體積大小對自動(dòng)勾畫的幾何準(zhǔn)確性存在一定的影響，但是所研究的OAR自動(dòng)勾畫中，仍有部分的OAR體積大小對自動(dòng)勾畫的幾何準(zhǔn)確性的影響不具有統(tǒng)計(jì)學(xué)意義，例如直腸、肝臟等。這說明還有其他因素影響自動(dòng)勾畫的幾何準(zhǔn)確性，例如感興趣區(qū)消失層面的識別、對電子密度相近器官的識別及區(qū)分等。

本研究也存在一定的局限性，主要是OAR 勾畫的誤差。具體分析，誤差主要來源于3 個(gè)方面：（1）RTOG 勾畫指南理解偏差，即醫(yī)師對OAR 勾畫范圍邊界的理解不一致，這受到醫(yī)生解剖學(xué)知識掌握情況的影響；（2）人為實(shí)踐操作的差異，即同一名醫(yī)師在不同時(shí)間或地點(diǎn)勾畫同一病例OAR 之間的偏差；（3）圖像質(zhì)量的影響，本研究所使用的圖像皆為CT圖像，在CT 圖像上某些解剖結(jié)構(gòu)難以清楚識別。有學(xué)者發(fā)現(xiàn)影響自動(dòng)勾畫效果的不僅包括幾何準(zhǔn)確性還包括劑量學(xué)上的準(zhǔn)確性［11］?？蛇M(jìn)一步研究體積對自動(dòng)勾畫的劑量準(zhǔn)確是否有影響。

表2 DSC與Jaccard系數(shù)與體積的相關(guān)性分析Tab.2 Correlations between volume and DSC or Jaccard coefficient

表3 DSC、HD及Jaccard系數(shù)之間的Wilcoxon配對秩檢驗(yàn)Tab.3 Wilcoxon pairing rank test on DSC,HD and Jaccard coefficient