早孕期胎兒顏面部超聲篩查切面圖像質(zhì)量評價系統(tǒng)的構建及驗證

余衛(wèi)峰 薛 浩 劉中華 柳培忠 郭 旭 吳秀明 呂國榮

獲得標準的早孕期胎兒顏面部篩查切面是產(chǎn)前超聲早期診斷胎兒顏面部結(jié)構畸形的基礎。近年來已有研究［1］證實應用人工智能（artificial intelligence，AI）可實現(xiàn)對中、晚孕胎兒顏面部超聲標準切面的自動識別及圖像質(zhì)量控制，但其在早孕期胎兒顏面部超聲篩查切面的自動識別及圖像質(zhì)量評價方面的應用鮮見報道。本研究旨在構建一種基于YOLOv4模型的早孕期胎兒顏面部超聲篩查切面自動識別及圖像質(zhì)量評價系統(tǒng)，并驗證其識別效能。

資料與方法

一、研究對象

收集2021年1月至2022年12月我院妊娠11～14周胎兒顏面部超聲篩查切面圖像為研究對象，分為模型構建集（1001張圖像）和臨床驗證集（610張圖像）。所有圖像均來自我院PACS系統(tǒng)，儀器使用Philips EPIQ 7、EPIQ 5、iU 22 和GE Voluson E 8 彩色多普勒超聲診斷儀（C5-1、C9-2 或C1-5-D 探頭，頻率1.0～5.0 MHz）。納入標準：①單胎，產(chǎn)后隨訪證實為健康胎兒，無顏面部及其他結(jié)構畸形；②妊娠11～14 周接受多次超聲評估者僅納入研究1 次；③納入圖像包括正中矢狀面（midsagittal plane，MSP）、鼻后三角切面（retronasal triangle，RNT）圖像。排除標準：①由于孕婦肥胖、探頭抖動等原因?qū)е聢D像模糊、拖尾，目標結(jié)構顯示欠清晰；②超聲檢查或產(chǎn)后證實胎兒異常。模型構建集圖像由具有10 年以上產(chǎn)前超聲篩查經(jīng)驗的超聲醫(yī)師依據(jù)早孕期胎兒顏面部超聲篩查切面標準進行篩選及手工標注關鍵解剖結(jié)構，再由另一專家級產(chǎn)科超聲醫(yī)師（獲得產(chǎn)前診斷證書且從事產(chǎn)前超聲診斷工作15 年以上的副主任醫(yī)師）對標注的圖像進行審核修改。臨床驗證集圖像由不同資歷的超聲醫(yī)師在臨床工作中保存。將模型構建集圖像按8∶1∶1 分為訓練集、測試集和驗證集，用于訓練、測試及驗證AI 模型，臨床驗證集用于評價AI 模型的臨床泛化能力。各數(shù)據(jù)集分布見表1。

表1 早孕期胎兒顏面部超聲篩查切面數(shù)據(jù)集分布 張

圖像標準：①MSP，顯示呈帶狀平滑強回聲的額骨、鼻尖、鼻骨，呈帶狀不規(guī)則弧形強回聲的硬腭，呈圓點狀高回聲的下頜骨，不能顯示上頜突及眼眶；②RNT，顯示鼻骨，雙側(cè)對稱的上頜突，呈圓點狀高回聲的雙側(cè)上牙槽骨，雙側(cè)對稱的下頜骨斷面。見圖1。

圖1 早孕期胎兒顏面部超聲篩查標準切面示意圖

二、方法

1.參考臨床手動評估早孕期胎兒顏面部超聲篩查切面的質(zhì)量控制準則［2-4］，由3名具有20年以上檢查經(jīng)驗的超聲專家制定早孕期胎兒顏面部超聲篩查切面質(zhì)量控制協(xié)議，以及是否為標準切面判定標準和圖像質(zhì)量的評價標準。

2.分析早孕期胎兒顏面部超聲篩查切面圖像的特點及規(guī)律。本研究基于深度學習的自動識別算法模型，對標準切面自動識別中使用的特征提取、特征分類方法進行系統(tǒng)性研究和分析，然后通過YOLOv4模型［5］從訓練集圖像中學習提取有識別性的特征，并通過聯(lián)合訓練和交替優(yōu)化，構建一個完全端到端的卷積神經(jīng)網(wǎng)絡（CNN）對象檢測模型，以此來檢測關鍵解剖結(jié)構。該AI 模型根據(jù)早孕期胎兒顏面部超聲篩查切面質(zhì)量控制協(xié)議對檢測到的關鍵解剖結(jié)構進行賦值，根據(jù)評分結(jié)果自動判斷是否為標準切面，從而實現(xiàn)早孕期胎兒顏面部超聲篩查切面的識別分類。其中MSP選取4項關鍵解剖結(jié)構進行賦值，分別為鼻骨、硬腭、第三腦室、下頜骨，其中顯示第三腦室計2分，其余每項計1分；RNT 選取4項關鍵解剖結(jié)構進行賦值，分別為上頜突、上牙槽骨、鼻骨、下頜骨，其中上頜突、下頜骨在該切面中為對稱結(jié)構，每側(cè)計0.5 分，兩側(cè)共1 分，上牙槽骨計2 分，鼻骨計1 分。見圖2，3。標準切面判定標準：每個切面總分達到4 分及以上。圖像質(zhì)量評價標準：分為優(yōu)秀、合格、不合格，其中RNT 優(yōu)秀、合格、不合格對應的評分分別為5分、4.5分、≤4分；MSP 優(yōu)秀、合格、不合格對應的評分分別為5 分、4 分、≤3 分。本研究在驗證集中進行是否為標準切面判定，在臨床驗證集中同時進行是否為標準切面判定及圖像質(zhì)量評價。其中AI 模型識別關鍵解剖結(jié)構的評價指標為查準率、查全率和F1分數(shù)。AI模型工作流程見圖4。

圖3 早孕期胎兒顏面部超聲篩查切面質(zhì)量控制協(xié)議（圖左）及對應的解剖結(jié)構在胎兒RNT圖像（圖右）中的位置

圖4 AI模型工作流程圖

3.由專家級超聲醫(yī)師對臨床驗證集圖像進行分類，依據(jù)早孕期胎兒顏面部超聲篩查切面的標準程度［6］評價其等級，分為優(yōu)秀、合格、不合格。

將帶有標簽的早孕期胎兒顏面部超聲篩查切面圖像輸入AI模型中自動檢測關鍵解剖結(jié)構，然后根據(jù)制定的早孕期胎兒顏面部超聲篩查切面質(zhì)量控制協(xié)議評分準則對超聲圖像進行評分，并根據(jù)評分結(jié)果判斷是否為標準平面，同時對圖像質(zhì)量等級進行評價。

三、統(tǒng)計學處理

應用SPSS 22.0 統(tǒng)計軟件，計數(shù)資料以例或率表示，組間比較采用χ2檢驗。AI 模型與專家級超聲醫(yī)師識別MSP 和RNT 的一致性分析采用Kappa檢驗；AI 模型與專家級超聲醫(yī)師評價圖像質(zhì)量等級的一致性分析采用Kendall協(xié)同系數(shù)。P＜0.05為差異有統(tǒng)計學意義。

結(jié)果

一、AI 模型識別測試集圖像中各關鍵解剖結(jié)構的性能評估

成功構建的AI 模型識別測試集圖像中各關鍵解剖結(jié)構的查準率、查全率和F1分數(shù)均＞80%。見表2。

表2 AI模型識別測試集圖像中各關鍵解剖結(jié)構的性能 %

二、AI模型對驗證集圖像中MSP和RNT的識別效能及其與專家級超聲醫(yī)師分類的一致性分析

以專家級超聲醫(yī)師分類為標準，AI 模型識別驗證集圖像中MSP 和RNT 的靈敏度分別為94.9%、96.8%，特異度分別為95.0%、81.8%，準確率分別為94.9%、92.9%。見表3。該模型識別驗證集圖像中MSP、RNT與專家級超聲醫(yī)師分類的一致性均好（Kappa=0.888、0.810）。

三、AI模型對臨床驗證集圖像中MSP和RNT的識別效能及其與專家級超聲醫(yī)師分類的一致性分析

以專家級超聲醫(yī)師分類為標準，AI 模型識別臨床驗證集圖像中MSP 和RNT 的靈敏度分別為95.7%、75.9%，特異度分別為85.0%、98.8%，準確率分別為94.0%、84.4%。見表4。該模型識別臨床驗證集圖像中MSP、RNT 與專家級超聲醫(yī)師分類的一致性均良好（Kappa=0.751、0.690）。

表4 AI模型對臨床驗證集圖像中MSP和RNT的識別效能 %

四、AI 模型與專家級超聲醫(yī)師在早孕期胎兒顏面部超聲篩查切面圖像質(zhì)量評價中的一致性分析

AI 模型對臨床驗證集圖像中MSP 和RNT 圖像質(zhì)量評價結(jié)果與專家級超聲醫(yī)師的總體一致性均良好（Kendall’sW=0.760、0.789），但AI 模型與專家級超聲醫(yī)師在優(yōu)秀、合格兩個等級評價中分歧較大。見表5。

表5 AI模型與專家級超聲醫(yī)師對早孕期胎兒顏面部超聲篩查切面圖像質(zhì)量評價結(jié)果 張

討論

目前我國胎兒結(jié)構篩查仍主要集中在中孕期（妊娠18～24 周），隨著超聲技術、儀器性能的不斷提高及臨床對早孕期胎兒結(jié)構研究的深入，早孕期胎兒超聲結(jié)構篩查逐漸受到重視。與其他部位結(jié)構比較，早孕期胎兒顏面部結(jié)構具有器官多、體積小、準確識別難度大等問題。超聲檢查時對早孕期胎兒顏面部標準切面的準確獲取、評價及其內(nèi)部關鍵解剖結(jié)構的精準識別是診斷顏面部結(jié)構畸形的基礎。研究［7］顯示初級醫(yī)師及社區(qū)、鄉(xiāng)鎮(zhèn)等基層醫(yī)師對MSP、眼眶切面等早孕期胎兒顏面部超聲篩查切面的重要性認識不足（認為該切面對早孕期胎兒顏面部結(jié)構篩查有效者僅75.1%、58.7%）。究其原因為這些醫(yī)師對圖像中關鍵解剖結(jié)構識別困難。由于孕婦腹部脂肪厚度、胎兒體位、羊水量、檢查機器性能的影響，導致部分初級及基層醫(yī)師即使在認真學習了標準切面及模式圖后，臨床工作中對超聲圖像中關鍵解剖結(jié)構的準確識別仍存在較大困難。本研究結(jié)果顯示，AI 模型對硬腭、第三腦室和上牙槽骨的識別效果最好，查準率、查全率和F1 分數(shù)均＞93%，識別下頜骨的查準率、查全率和F1 分數(shù)均＞87%，識別鼻骨的查準率、查全率和F1分數(shù)分別為85.56%、80.63%和83%；識別上頜突的查準率、查全率和F1 分數(shù)分別為86.32%、80.16% 和83%，表明AI 模型在早孕期胎兒顏面部超聲篩查切面關鍵解剖結(jié)構的識別中具有優(yōu)異的性能。目前AI 識別胎兒關鍵解剖結(jié)構的研究多集中在中、晚孕期［8-9］，而早孕期則側(cè)重于對頸項透明層厚度的研究［10］，在識別早孕期關鍵解剖結(jié)構方面鮮見報道。鑒于AI 模型的優(yōu)異性能及自動標注的高效性，經(jīng)專家審核并通過模型標注的海量超聲圖像能很好地輔助初級及基層醫(yī)師對早孕期胎兒顏面部超聲篩查切面中關鍵解剖結(jié)構的學習。

準確獲取早孕期胎兒顏面部標準切面不僅需要精準識別關鍵解剖結(jié)構，還需要超聲醫(yī)師不斷操作練習，而低年資超聲醫(yī)師的培訓以往常需在專家級超聲醫(yī)師的指導下進行，但這種培訓模式存在高水平專家資源嚴重匱乏和培養(yǎng)過程費時、費力等缺點。隨著AI技術的發(fā)展，計算機輔助診斷系統(tǒng)則是另一種高性價比的解決方案［11］。本研究中AI 模型對驗證集及臨床驗證集圖像MSP、RNT 的分類均表現(xiàn)出較好的效能，與專家級超聲醫(yī)師分類結(jié)果的一致性均良好（Kappa值分別為0.888、0.810 和0.751、0.690），與以往AI 識別中、晚孕期胎兒顏面部超聲篩查標準切面效果相當［12］。因此在臨床工作中有望將AI 模型嵌入超聲檢查設備中，以實現(xiàn)實時評價初級及基層醫(yī)師獲取的早孕期胎兒顏面部超聲篩查切面，督促檢查醫(yī)師不斷調(diào)整掃查角度，從而部分替代專家級超聲醫(yī)師，輔助初級及基層醫(yī)師標準切面的掃查訓練。

標準的超聲切面是準確診斷的基礎，不同年資、不同等級醫(yī)院的超聲醫(yī)師獲取的圖像質(zhì)量良莠不齊，進行廣泛的質(zhì)量評價是提高圖像質(zhì)量的有效方法［13-14］。人工評價存在費時、費力、主觀性強、評審專家缺乏等缺點，無法對超聲圖像進行廣泛的質(zhì)量評價。而應用AI技術評價超聲圖像質(zhì)量具有高效、客觀的優(yōu)勢。不同醫(yī)院的資金實力、儀器性能、人員水平均有差異，若使用統(tǒng)一的超聲圖像質(zhì)量評價標準對基層醫(yī)院或許并不合理，同時胎兒檢查過程中因肢體、胎位、羊水等因素影響，采集優(yōu)秀的標準切面往往十分困難，而臨床對疾病的診斷可能僅需要關鍵解剖結(jié)構的清晰顯示，并非需要所有的超聲圖像均為優(yōu)秀的標準切面，因此在超聲質(zhì)量控制評價中對超聲圖像進行等級評定具有十分重要的現(xiàn)實意義。本研究結(jié)果顯示，AI 模型對標準及非標準切面的分類能力與專家級超聲醫(yī)師分類具有良好的一致性，表明該模型可較好地識別早孕期胎兒顏面部超聲篩查切面。同時，本研究的AI 模型通過對標準切面中關鍵解剖結(jié)構顯示進行評分，并根據(jù)評分結(jié)果將圖像分為優(yōu)秀、合格、不合格，細化了超聲圖像質(zhì)量評價準則，且AI 模型與專家級超聲醫(yī)師對臨床驗證集圖像質(zhì)量評價方面表現(xiàn)出良好的一致性（MSP、RNT 對應的Kendall’sW分別為0.760、0.789）。由此可見，具有評分功能的質(zhì)量評價系統(tǒng)可以應用于不同等級醫(yī)院的超聲圖像質(zhì)量評價以達到不同的臨床目的。

雖然本研究構建的AI 模型在識別標準切面上已取得了較好效果，但仍然存在一些問題和不足：①鼻骨、上頜突識別精度仍較低；②AI 模型與專家級超聲醫(yī)師評價臨床驗證集圖像質(zhì)量的一致性不夠好（優(yōu)秀、合格兩個等級評定中分歧較大）；③部分圖像等級間區(qū)分度不夠優(yōu)秀，尚不能很好地應用于超聲圖像質(zhì)量評價。這啟發(fā)了下一階段的研究方向：①針對鼻骨、上頜突識別精度不高、泛化能力較弱等問題，后續(xù)會繼續(xù)擴充數(shù)據(jù)集，針對解剖結(jié)構的空間位置關系改進YOLOv4 模型，繼而提高對關鍵解剖結(jié)構的識別精度；②增加關鍵解剖結(jié)構數(shù)目并對具體解剖結(jié)構及形態(tài)進行評價，以增大各等級圖像間的評分差異，實現(xiàn)圖像等級評價的完全自動化及改善部分等級間區(qū)分度較差的現(xiàn)狀。

綜上所述，本研究構建的AI模型對早孕期胎兒顏面部超聲篩查切面的分類具有較高的準確性，可作為初級醫(yī)師及基層醫(yī)師培訓和圖像質(zhì)量評價的輔助方法。