基于深度學(xué)習(xí)的rtStation軟件自動勾畫乳腺癌術(shù)后患者心臟結(jié)構(gòu)的應(yīng)用分析

時飛躍，王敏，趙紫婷，秦偉，趙環(huán)宇，魏曉為

1.南京醫(yī)科大學(xué)附屬南京醫(yī)院（南京市第一醫(yī)院）腫瘤放療中心，江蘇南京210006；2.南京醫(yī)科大學(xué)醫(yī)學(xué)物理研究中心，江蘇南京210029；3.南京醫(yī)科大學(xué)附屬南京醫(yī)院（南京市第一醫(yī)院）醫(yī)療設(shè)備處，江蘇南京210006

前言

據(jù)統(tǒng)計，乳腺癌占所有女性癌癥的15%，發(fā)病率居于女性惡性腫瘤的首位，且是30～59歲年齡段首要致死癌癥類型［1-2］。治療方式主要分為保乳和根治。乳腺癌保乳術(shù)后放療的方法，可有效提高患者生活質(zhì)量，兼顧生存率與乳房美觀，在我國該方法的應(yīng)用比例逐漸增加［3］。乳腺癌改良根治術(shù)，是我國目前乳腺癌治療的主要術(shù)式，放射治療是預(yù)防乳腺癌術(shù)后局部復(fù)發(fā)的最有效手段［4］。在物理師設(shè)計乳腺癌術(shù)后放療計劃前，放療醫(yī)師需要準(zhǔn)確勾畫左肺、右肺、脊髓、心臟等危及器官。心臟作為危及器官之一，其結(jié)構(gòu)的準(zhǔn)確勾畫對乳腺癌術(shù)后放療患者的精確計劃設(shè)計和劑量評估有重要意義。但放療醫(yī)師逐層手工勾畫心臟結(jié)構(gòu)等危及器官，會花費(fèi)許多寶貴的時間，相應(yīng)減少了靶區(qū)勾畫等更重要工作的時間。近年來，多款基于人工智能技術(shù)的商用自動輪廓勾畫軟件（或軟件模塊）在放療領(lǐng)域得到了應(yīng)用［5-9］，這在很大程度上提高了放療醫(yī)師的勾畫工作效率。上海大圖醫(yī)療科技有限公司的rtStation軟件是其中之一。目前國內(nèi)對rtStation軟件自動勾畫危及器官效果的報道較少［10］。本研究選取不同類型乳腺癌術(shù)后患者，使用rtStation軟件自動勾畫心臟結(jié)構(gòu)，對自動勾畫的效果進(jìn)行分析，為放療工作人員應(yīng)用該軟件提供有益的數(shù)據(jù)參考。

1 材料與方法

1.1 軟件

本研究使用上海大圖醫(yī)療科技有限公司（簡稱大圖醫(yī)療）的rtStation（版本1.4.0）。該軟件是一款基于深度學(xué)習(xí)的放療軟件，可為放療工作人員提供自動勾畫、配準(zhǔn)融合及劑量評估等工具，可自動勾畫頭、頸、胸、腹和盆腔等多部位的危及器官。

rtStation軟件自動勾畫危及器官結(jié)構(gòu)，使用的分割算法為nnU-Net，該算法會根據(jù)特定數(shù)據(jù)集和硬件環(huán)境，按照啟發(fā)式的規(guī)則，計算得到最佳的網(wǎng)絡(luò)配置，并且自動調(diào)整訓(xùn)練和推理過程以適應(yīng)不同的分割任務(wù)。nnUNet首先會提取數(shù)據(jù)集的指紋信息，接著按照啟發(fā)式的規(guī)則，得到相應(yīng)的推理參數(shù)，最后根據(jù)這一系管道指紋，自動化設(shè)計深度學(xué)習(xí)方案。關(guān)于心臟結(jié)構(gòu)勾畫的訓(xùn)練，訓(xùn)練數(shù)據(jù)為脫敏的胸部腫瘤患者數(shù)據(jù)，共172組，其中138組用于訓(xùn)練，34組用測試。

1.2 病例選擇

選取南京醫(yī)科大學(xué)附屬南京醫(yī)院（南京市第一醫(yī)院）收治的乳腺癌術(shù)后患者40例，收治時間為2017年11月～2019年6月?；颊咂骄挲g52歲，中位年齡為52歲，年齡范圍28～77歲。對40例患者進(jìn)行編號。40 例患者分為左側(cè)保乳組（LB 組）、右側(cè)保乳組（RB組）、左側(cè)根治組（LG組）和右側(cè)根治組（RG組），每組10 人。CT 定位掃描使用的是西門子SOMATOM Sensation Open CT 模擬機(jī)，CT 重建的層厚為5 mm，層間距為5 mm。掃描結(jié)束后，將定位CT 圖像傳輸至瓦里安Eclipse治療計劃系統(tǒng)。

1.3 心臟結(jié)構(gòu)勾畫

在放療日常工作中，放療工作人員使用Eclipse治療計劃系統(tǒng)的勾畫工具，在CT 圖像中手工勾畫乳腺癌患者的心臟結(jié)構(gòu)。

在本研究中，首先將40例患者的定位CT 圖像從Eclipse 傳輸至rtStation，應(yīng)用rtStation 軟件的自動勾畫工具，對每例患者選擇僅勾畫心臟結(jié)構(gòu)。自動勾畫完成后，將含有自動勾畫結(jié)構(gòu)的dicom 文件導(dǎo)出并傳輸至Eclipse。

1.4 評價參數(shù)

以手工勾畫結(jié)構(gòu)為參考數(shù)據(jù)，以自動勾畫結(jié)構(gòu)為測試數(shù)據(jù)，計算兩種勾畫結(jié)構(gòu)之間的體積差異、位置差異和形狀一致性，從而評價軟件自動勾畫的效果。體積差異△V%、位置差異DC（質(zhì)心偏差）及形狀相似性指數(shù)（Dice Similarity Coefficient,DSC）的定義公式分別如下：

其中，Vauto代表自動勾畫的結(jié)構(gòu)體積，Vmanu代表手工勾畫的結(jié)構(gòu)體積；Δx=|xauto-xmanu|，Δy = |yauto- ymanu|，Δz=|zauto-zmanu|，xauto、yauto和zauto分別代表自動勾畫結(jié)構(gòu)在3 個方向的幾何中心坐標(biāo)，xmanu、ymanu和zmanu分別代表手工勾畫結(jié)構(gòu)在3 個方向的幾何中心坐標(biāo)。根據(jù)公式，DSC 的取值范圍為0～1，值越大表示兩個結(jié)構(gòu)的形狀越接近。一般認(rèn)為，兩個結(jié)構(gòu)輪廓重合較好的DSC值應(yīng)大于0.7［11］。

1.5 統(tǒng)計學(xué)方法

使用SPSS 23.0軟件對數(shù)據(jù)進(jìn)行分析。統(tǒng)計每一組相關(guān)參數(shù)的最大值、最小值、均值±標(biāo)準(zhǔn)差；對LB、RB、LG 和RG 4 組的3 個參數(shù)（△V%，DC 和DSC）進(jìn)行單因素方差分析，并采用LSD-t檢驗進(jìn)行組間兩兩比較；使用獨(dú)立樣本t檢驗，對保乳組（LB+RB）和根治組（LG+RG）進(jìn)行比較，對左側(cè)組（LB+LG）和右側(cè)組（RB+RG）進(jìn)行比較，P＜0.05為結(jié)果有統(tǒng)計學(xué)差異。

2 結(jié)果

對于選取的40例乳腺癌患者，rtStation軟件自動勾畫和手工勾畫心臟結(jié)構(gòu)的△V%、DC 及DSC 值，使用統(tǒng)計學(xué)的箱式圖進(jìn)行統(tǒng)計，見圖1。

圖1 40例乳腺癌患者心臟結(jié)構(gòu)的△V%（a）、DC（b）和DSC（c）值的數(shù)據(jù)箱式圖Fig.1 Box plots of volume difference(ΔV%)(a),deviation of centroid(DC)(b)and Dice similarity coefficient(DSC)(c)of the heart in 40 patients with breast cancer

由統(tǒng)計數(shù)據(jù)可得，自動勾畫心臟結(jié)構(gòu)最差和最好的數(shù)據(jù)分別是26 號和31 號患者。圖2和圖3分別列出這兩位患者心臟結(jié)構(gòu)的勾畫截圖。

圖2 26號患者的勾畫截圖（淺藍(lán)色線：自動勾畫；黃色線：手動勾畫）Fig.2 Delineation results of No.26 patient(cyan line:automatic delineation;yellow line:manual delineation)

圖3 31號患者的勾畫截圖（淺藍(lán)色線：自動勾畫；黃色線：手動勾畫）Fig.3 Delineation results of No.31 patient(cyan line:automatic delineation;yellow line:manual delineation)

對體積差異、位置差異和形狀一致性的數(shù)據(jù)進(jìn)行比較分析。對LB 組、RB 組、LG 組和RG 組4 組，以及LB+RB、LG+RG、LB+LG、RB+RG 4個組合組，以及40例患者總體數(shù)據(jù)（SUM40組）進(jìn)行統(tǒng)計分析，得到最大值、最小值、均值±標(biāo)準(zhǔn)差。統(tǒng)計結(jié)果見表1、表2和表3。

表1 乳腺癌患者心臟結(jié)構(gòu)△V%統(tǒng)計數(shù)據(jù)（%）Tab.1 Statistical data of △V%of the heart in patients with breast cancer(%)

表2 乳腺癌患者心臟結(jié)構(gòu)DC統(tǒng)計數(shù)據(jù)（cm）Tab.2 Statistical data of DC of the heart in patients with breast cancer(cm)

表3 乳腺癌患者心臟結(jié)構(gòu)DSC統(tǒng)計數(shù)據(jù)Tab.3 Statistical data of DSC of the heart in patients with breast cancer

對LB、RB、LG 和RG 4 組△V%進(jìn)行單因素方差分析，并采用LSD-t檢驗進(jìn)行組間兩兩比較，結(jié)果均無統(tǒng)計學(xué)差異（F=0.331,P＞0.05）。使用獨(dú)立樣本t檢驗，對保乳組（LB+RB）和根治組（LG+RG）進(jìn)行比較，結(jié)果無統(tǒng)計學(xué)差異（t=-0.410,P＞0.05）；對左側(cè)組（LB+LG）和右側(cè)組（RB+RG）進(jìn)行比較，結(jié)果無統(tǒng)計學(xué)差異（t=0.271,P＞0.05）。

對LB、RB、LG 和RG 4 組DC 進(jìn)行單因素方差分析，并采用LSD-t檢驗進(jìn)行組間兩兩比較，結(jié)果均無統(tǒng)計學(xué)差異（F=0.109,P＞0.05）。使用獨(dú)立樣本t檢驗，對保乳組（LB+RB）和根治組（LG+RG）進(jìn)行比較，結(jié)果無統(tǒng)計學(xué)差異（t=-0.214,P＞0.05）；對左側(cè)組（LB+LG）和右側(cè)組（RB+RG）進(jìn)行比較，結(jié)果無統(tǒng)計學(xué)差異（t=0.517,P＞0.05）。

對LB、RB、LG 和RG 4 組DSC 值進(jìn)行單因素方差分析，并采用LSD-t檢驗進(jìn)行組間兩兩比較，結(jié)果均無統(tǒng)計學(xué)差異（F=0.323,P＞0.05）。使用獨(dú)立樣本t檢驗，對保乳組（LB+RB）和根治組（LG+RG）進(jìn)行比較，結(jié)果無統(tǒng)計學(xué)差異（t=0.383,P＞0.05）；對左側(cè)組（LB+LG）和右側(cè)組（RB+RG）進(jìn)行比較，結(jié)果無統(tǒng)計學(xué)差異（t=-0.836,P＞0.05）。

對軟件自動勾畫和手工勾畫心臟結(jié)構(gòu)所用的時間進(jìn)行統(tǒng)計，并對兩者的平均值進(jìn)行比較。本部門放療工作人員手工勾畫心臟結(jié)構(gòu)的平均時間約為284 s，大圖醫(yī)療rtStation軟件自動勾畫心臟結(jié)構(gòu)的平均時間約為58 s。

3 討論

在乳腺癌根治術(shù)基礎(chǔ)上發(fā)展起來的改良根治術(shù)，是我國目前乳腺癌治療的主要術(shù)式。隨著乳腺癌綜合治療水平的提高和患者對改善自身生活質(zhì)量要求的提高，在我國乳房保留手術(shù)（保乳術(shù)）的比例逐漸增加。放射治療是預(yù)防乳腺癌術(shù)后局部復(fù)發(fā)的最有效手段，是乳腺癌綜合治療的重要組成部分。

對于胸部腫瘤放療患者，心臟是需要嚴(yán)格保護(hù)的危及器官，只有準(zhǔn)確勾畫心臟結(jié)構(gòu)，才能實現(xiàn)對心臟的有效保護(hù)。乳腺癌患者（尤其是左側(cè)乳腺癌患者），對心臟的劑量限值有較高要求［11］。因此，對于乳腺癌放療患者，需要精確勾畫心臟結(jié)構(gòu)，并在放療計劃設(shè)計時對心臟進(jìn)行保護(hù)。人工智能（AI）技術(shù)的發(fā)展推動了自動輪廓勾畫在放療領(lǐng)域的應(yīng)用。近年來，市場上出現(xiàn)了許多商用放療自動勾畫軟件（或軟件模塊），主要分為基于圖譜庫和基于深度學(xué)習(xí)兩種，前者包括ABAS［5,12-13］、MIM［6,14-15］、OnQ［7］、Raysation［8］，后者包括RAIC·OIS［9］（北京連心）、DeepViewer［16-17］（安徽慧軟）、rtStation［10］（上海大圖）和AccuContour（廈門MANTEIA）等［18-19］。使用上述自動勾畫軟件，可以有效縮短危及器官的勾畫時間，并且減少不同勾畫者手工勾畫的主觀差異。

由圖1a 和表1的統(tǒng)計數(shù)據(jù)可見，各組ΔV%的均值都大于0，表明自動勾畫的心臟體積較手工勾畫普遍偏大；由圖1b 和表2中DC 的統(tǒng)計數(shù)據(jù)可見，各組位置差異數(shù)據(jù)相差不大；由圖1c 和表3中DSC 的統(tǒng)計數(shù)據(jù)可見，各組、各組合組及總體數(shù)據(jù)的DSC 平均值達(dá)到0.88或0.89，表明該軟件自動勾畫心臟結(jié)構(gòu)的輪廓形狀普遍較好。一般DSC 值超過0.7 即可認(rèn)為勾畫效果較佳，有臨床應(yīng)用意義。統(tǒng)計學(xué)分析結(jié)果顯示，對于ΔV%、DC、DSC 值3 種參數(shù)，LB、RB、LG、RG 4 組之間沒有統(tǒng)計學(xué)差異，LB+RB 和LG+RG 兩組之間沒有統(tǒng)計學(xué)差異，LB+LG 和RB+RG 兩組之間沒有統(tǒng)計學(xué)差異。由勾畫時間數(shù)據(jù)的比較可見，與手工勾畫相比，使用rtStation 軟件進(jìn)行心臟結(jié)構(gòu)的自動勾畫，可節(jié)約80%的時間，從而有效提高放療工作效率。本部門前期使用RAIC·OIS（版本2.0.16）自動勾畫了食管癌患者的心臟結(jié)構(gòu)，ΔV%、DC 和DSC的平均值分別為-17.08%、0.31 cm 和0.87［9］。本部門前期使用安徽慧軟DeepViewer（版本1.0）軟件，對左側(cè)乳腺癌患者的心臟結(jié)構(gòu)進(jìn)行了自動勾畫，ΔV%、DC 和DSC 的平均值分別為-21.43%、0.37 cm 和0.84［16］。汪志等［17］使用DeepViewer對58例患者進(jìn)行心臟結(jié)構(gòu)的自動勾畫，DSC 的平均值為0.876。本研究中，rtStation 軟件的相關(guān)數(shù)據(jù)分別為3.49%，0.48 cm和0.89。3種軟件數(shù)據(jù)的比較可見，除了位置差異值外，對于體積差異和形狀相似性，rtStation 的自動勾畫效果優(yōu)于其他兩款軟件。圖2所示為軟件自動勾畫結(jié)果最差的26 號患者的截圖。由圖2可見，自動勾畫的心臟體積明顯大于手工勾畫，甚至還有部分自動勾畫結(jié)構(gòu)在肝臟中。原因可能是rtStation 軟件在進(jìn)行深度學(xué)習(xí)訓(xùn)練時，訓(xùn)練集中包含了多種胸部腫瘤患者（不僅僅只是乳腺癌患者）的CT 圖像和心臟手工勾畫結(jié)構(gòu)，但是這些訓(xùn)練集數(shù)據(jù)與該患者的CT圖像差異較大。圖3所示為軟件自動勾畫結(jié)果最好的31號患者的截圖，該患者的CT 圖像應(yīng)該與訓(xùn)練集數(shù)據(jù)差異較小。需要注意的是，隨著技術(shù)的發(fā)展進(jìn)步，每款自動勾畫軟件都在不斷優(yōu)化和進(jìn)步中，上述討論僅適用于文獻(xiàn)報道及本研究中所使用版本的自動勾畫軟件。

綜上所述，對于不同類型（左側(cè)和右側(cè)、保乳和根治）的乳腺癌術(shù)后患者，大圖醫(yī)療的rtStation軟件對心臟結(jié)構(gòu)的勾畫都能夠達(dá)到滿意的效果；對于體積差異、位置差異和形狀相似性，不同類型患者的自動勾畫結(jié)果沒有統(tǒng)計學(xué)差異。使用該自動勾畫軟件可明顯縮短心臟結(jié)構(gòu)的勾畫時間，有效提高放療勾畫工作效率。期待隨著基于人工智能的自動勾畫軟件的不斷優(yōu)化和升級，腫瘤放療患者能夠得到更快、更精確的治療！

致謝：衷心感謝大圖醫(yī)療石峰和王文化在rtStation軟件使用中提供的幫助和支持！