低劑量CT不同重建技術對計算機輔助診斷肺結節的影響

朱熹， 夏巍， 周中柱， 李瑞雪， 朱慶強， 石博文， 葉靖

隨著低劑量胸部CT在惡性胸外腫瘤患者復查隨訪中的普及，影像科醫師的工作量與日俱增。目前國內醫學影像數據的年增長量為30%，而影像科醫師的年增長率僅為4%[1]。同時，為最大限度地提高肺結節的檢出率和病灶細節的顯示，影像科醫師需對薄層(層厚0.625～1.25 mm)圖像進行對比觀察，每例近1000幀的不同圖像(至少三種：肺窗、縱膈窗、骨窗)進一步增加了影像醫師的工作負擔。高負荷長時間的閱片極易產生視覺疲勞，致使工作效率和診斷準確性降低，造成肺結節的漏診和誤判[2]。研究表明[3]，人工閱片對惡性胸外腫瘤患者的肺內結節的CT漏診率約為1/3，其中大部分漏診的肺結節體積較小，且約20%為惡性病變。

計算機輔助診斷(computer-aided system，CAD)作為人工智能應用于醫學影像領域的重要分支之一，具有能精確定量、重復性好等優勢，可有效減輕影像科醫師的閱片壓力并顯著提高肺結節檢出的敏感度[4]。此外CAD對惡性胸外腫瘤患者的復查也具有重要價值，可提高閱片者間的一致性，改善隨訪建議[5]。但就目前人工智能運行的實際情況表明，人工智能仍不夠智能。除缺乏統一的行業標準與有效的監管保護以外[6]，魯棒性差為CAD目前存在的另一大缺陷[7]，即軟件穩定性受外界因素影響波動顯著。諸多研究[8-10]證實肺結節CAD能效受人為操作、硬件設備、掃描參數、患者狀態等客觀因素影響較大。雖然低劑量CT已成為目前惡性胸外腫瘤患者的首選復查手段，但患者在復查隨訪時接受不同等級醫院的不同檔次設備、不同參數掃描的現象較為普遍。不同品牌、不同檔次的CT亦會使用不同的重建技術，而不同重建技術是否會對肺結節CAD產生影響目前尚缺乏可靠研究。故本次研究根據結節性質進行分組，分別比較一款CAD在濾波反投影(filtered back projection，FBP)重建、量子降噪(quantum denoising，QD)、三維自適應迭代劑量降低重建(adaptive iterative dose reduction 3D，AIDR 3D)、云迭代劑量降低重建(interative dose reduction enhanced，IDRE)下對肺結節檢出的差異，旨在探討低劑量CT中不同重建技術對CAD檢測惡性胸外腫瘤患者肺結節的影響。

材料與方法

1.一般資料

回顧性分析2017年11月-2019年1月于本院接受低劑量胸部CT掃描惡性胸外腫瘤患者。排除標準：肺部直徑>10 cm腫塊；圖像存在嚴重的呼吸或其他偽影；合并其他彌漫性肺部疾病如嚴重肺氣腫、急性胸部感染、結節病、粟粒性肺結核等。本研究通過本院倫理委員會批準免知情同意書。

2.CT掃描與重建技術

掃描采用佳能Aquilion ONE 320排螺旋CT ，掃描范圍從胸鎖關節上緣至胸11椎體下緣水平，患者仰臥，雙手上舉，吸氣末屏氣掃描。采用固定管電壓(120 kVp)結合自動管電流調節技術(20～150 mAs)的低劑量模式，螺旋掃描模式，球管旋轉時間0.5 s，準直寬度64×0.5 mm，矩陣512×512，視野400 mm×400 mm，層厚1.0 mm，層間距0.8 mm掃描。對原始數據分別采用FBP、QD、AIDR 3D、IDRE技術進行層厚1.0 mm，層間距0.8 mm的縱膈窗與肺窗的重建。

3.CAD系統

所有參與研究人員均接受CAD操作培訓。所使用的推想InferRead CT Lung 4.0是一款已被廣泛運用于協助肺結節檢測的基于積卷神經網絡的深度學習CAD軟件。導入重建的各組圖后CAD自動提示陽性病灶、性質并標注其最大層面直徑。

4.客觀圖像質量測量

測量方法參考Russi等[11]，由1名高年資技師在GE Advantage Workstation 4.6后處理工作站上于肺動脈分叉軸位層面的降主動脈內及同層右側豎脊肌內分別放置面積100 mm2的圓形ROI，記錄各ROI的平均CT值及其標準差(SD)。采用如下公式計算各重建技術組的平均信噪比(SNR)與對比噪聲比(CNR)：

(1)

(2)

5.肺結節診斷與分類標準

由4位具有15年以上胸部診斷經驗的放射科醫師采用盲法對IDRE重建圖像共同閱片兩次，每次閱片間隔一個月，當意見不統一時通過討論達成一致。討論結果作為肺結節診斷的標準。參考ACCP指南[12]按結節性質分為實性結節、部分實性結節、純磨玻璃結節三組。比較不同重建技術下CAD對肺結節檢測的敏感度與假陽性數。

6.統計學分析

采用SPSS 20.0統計學軟件進行分析。不同組間SNR、CNR和假陽性數的差異性分析采用方差分析，兩兩比較采用SNK-q檢驗；定性資料(敏感度)采用率來描述，不同組間的敏感度差異使用χ2檢驗或Fisher確切概率法進行比較，兩兩比較采用Bonferroni校正法。如未做說明，假設檢驗均采用雙側檢驗，檢驗水準均設為α=0.05，以P<0.05為差異有統計學意義。

結 果

1.臨床資料

最終380例納入研究，女201例，男179例；年齡28～91歲，平均(58.51±8.62)歲；BMI為15.5～27.8 kg/m2，平均(18.75±1.91) kg/m2。人工閱片共檢出3405個結節，其中實性結節2181個，部分實性結節513個，純磨玻璃結節711個。

2.客觀圖像質量與效能差異

平均SNR和平均CNR依照FBP、QD、AIDR 3D、IDRE順序呈現上升趨勢，四種技術兩兩之間的差異有統計學意義。敏感度隨圖像客觀質量提高而提升，假陽性率隨圖像客觀質量提高逐漸降低。FBP、QD和AIDR 3D敏感度無顯著差異，IDRE(93.64%)的敏感度顯著大于FBP(90.07%)，差異有統計學意義(P<0.05，表1，圖1～3)。

表1 四種重建技術下平均SNR、CNR、敏感度與假陽性數

注：*為χ2檢驗，其他均為方差分析；兩兩比較采用SNK-q檢驗，a表示與FBP比較差異有統計學意義，b表示與QD比較差異有統計學意義，c表示與AIDR 3D比較差異有統計學意義。

圖1 不同重建算法的平均SNR分析。 圖2 不同重建算法的平均CNR分析。

3.四種重建技術對不同性質肺結節的顯示效能

四種重建技術對檢測實性結節的敏感度無統計學差異；對檢測部分實性結節的敏感度略有差異，其中云迭代(95.59%)和濾波反投影(84.67%)的敏感度差異有統計學意義；對磨玻璃結節的檢測結果與部分實性結節類似(表2，圖4)。

表2 四種重建技術對不同性質肺結節的敏感度

注：不同組間的敏感度差異采用χ2檢驗或Fisher確切概率法進行比較，兩兩比較采用Bonferroni校正法；*表示與FBP比較差異有統計學意義。

討 論

Lodwick等[13]于1966年首次提出利用計算機進行醫學影像數據分析，即計算機輔助檢測。但受當時技術水平限制，此后十幾年CAD的發展緩慢。直到20世紀90年代，隨著計算機、數學技術的發展，CAD研究在醫學影像診斷領域取得飛速進展，針對不同疾病的CAD軟件不斷涌現。Takahashi等[14]與Zhao等[15]的研究顯示CAD作為第二閱讀者可顯著提高敏感度(54%～96.7%)。雖然CAD緩解了目前人工閱片面臨的壓力，輔助提高對肺結節檢出率和閱片效率，但平均假陽性率較高(0.55～13.38個/例)仍是CAD有待解決的問題之一[16-17]。回顧本次研究，雖然在不同重建技術下CAD對胸外惡性腫瘤患者低劑量CT中肺結節敏感度與假陽性率存在部分差異，但所有敏感度均處于合理區間，且假陽性率并不算高。故在四種重建技術下，InferRead CT Lung對提高惡性胸外腫瘤患者低劑量CT肺結節的檢出率具有輔助作用。

Katsura等[18]證實，人工閱片對肺結節的診斷敏感度在不同重建技術下具有差異性，但CAD是否具有同樣結論尚缺乏可靠論證。故本次研究旨在探討在其他掃描參數相同情況下，重建技術對CAD檢測惡性胸外腫瘤患者低劑量CT肺結節效能的影響。本次研究中自動管電流調節技術有效降低了患者接受的輻射劑量，但不可避免地帶來圖像質量下降問題。作為第二代降噪技術，QD可不同程度的降低圖像噪聲而提高圖像質量，尤其是薄層圖像和三維后處理圖像的質量。而迭代算法AIRD 3D的出現進一步改善了低劑量掃描帶來的噪聲問題。IDRE(eAIRD 3D)是一種基于AIRD 3D基礎上保留高頻噪聲的最新一代迭代算法，能提供更高的圖像紋理與分辨率。四種重建技術的先進程度以FBP、QD、AIRD 3D、IDRE順序不斷提升，平均CNR與SNR即客觀圖像質量也照此趨勢不斷提高。雖CAD對各性質、大小肺結節的敏感度存在部分差異，但結論與人工讀片結果相似[19-20]，各組敏感度均隨圖像客觀質量提升而提高，假陽性率顯著降低。相關研究[21-23]證實，實性結節的診斷基本不受噪聲變化影響，但純磨玻璃結節與間質性病變的檢出率隨噪聲的降低而顯著提高。故InferRead CT Lung對磨玻璃結節組間與部分實性結節組間部分敏感度同樣存在差異。

各色的低劑量掃描技術的確降低了患者所接受的輻射劑量，但隨之而來的弊端是圖像質量的下降，為解決此問題各大CT廠商研發更新的重建技術更是不可勝舉。由于條件有限，研究中僅涉及了4種重建技術，但本研究目的并非為了篩選出適用于CAD的最優重建技術，研究對象也并不是數據本身，而在于探究各組間的效能是否存在差異性。各項數據表明Infer-Read CT Lung在不同重建技術下對肺結節均均具有較高的敏感度(90.07%～93.64%)以及可接受的假陽性數(2.06～5.38個/例)，但對不同性質肺結節的敏感度部分存在差異。其中部分實性結節的敏感度略有差異，IDRE(95.59%)和FBP(84.67%)的敏感度差異有統計學意義；對磨玻璃結節的檢出結果與部分實性結節類似，IDRE(88.43%)和FBP(78.11%)的敏感度差異有統計學意義。諸多研究表明[24-25]，CAD無論是作為第一閱片者還是第二閱片者，均可提高肺結節檢出率，一定程度上彌補低年資醫師的經驗不足。但不同重建技術下存在的差異性均也可能使低年資醫師對結節的判定造成困擾，一定程度上影響閱片效率。此外，不同重建技術下不同噪聲的圖像亦會對較前片對比測量病灶大小產生一定誤差[26]。

圖3 假陽性病例。a)濾波反投影圖像；b)量子降噪圖像；c)三維自適應迭代圖像；d)云迭代圖像。InferRead CT Lung在濾波反投影、量子降噪、三維自適應迭代圖像中提示該組織為實性結節，云迭代圖像中未做提示，該結構實為右肺下葉背段血管影。 圖4 漏診病例。a)FBP圖像；b)QD圖像；c)AIDR 3D圖像；d)IDRE圖像。InferRead CT Lung在FBP、QD、AIDR 3D圖像中未提示該病灶，IDRE圖像中做出提示，該結構實為左肺中葉純磨玻璃結節。

在百家爭鳴的時代，盡管各家公司都宣稱自己的AI系統具有諸多功效，但系統是否能夠達到所宣傳的效果，均需要非常嚴格的臨床驗證。而目前超過90%的醫學影像AI論文中使用的CAD僅處于測試階段，并未在臨床環境中進行嚴格論證[27]。本次研究結果中，InferRead CT Lung在不同重建技術下對檢測惡性胸外腫瘤患者肺結節效能的差異性亦表明了CAD在解決魯棒性方面仍面臨諸多挑戰，仍有待使用多中心的數據來驗證產品的魯棒性。但不可否認的是，目前AI帶來的便利仍多于"痛點"。作為影像工作者，我們比任何人都希望AI能夠盡快取代影像科醫生完成一部分重復性的工作，也有理由相信AI有潛力促使影像醫師診斷水平得到提升。也只有在AI的幫助下開拓新的服務領域，借助AI實現對醫療服務的創新，才能保證影像工作者擁有更美好的未來。

本研究的局限性：以四位高年資胸部放射科醫師兩次閱片共識作為參照標準，肺結節的判定并未全部利用病理檢查作為參考。但此局限性在其他評價CAD效能研究中也較為普遍。CAD的效能受人工、設備、環境等外界因素影響，本研究結果僅代表在特定參數下一款基于卷積神經網絡的肺結節CAD的運行表現，是否適用于其他類型的CAD仍需進一步驗證。

本次研究中InferRead CT Lung在不同重建技術下對肺結節的檢測均具有較好的表現，但對在不同重建技術下不同性質肺結節檢出結果存在部分差異，故CAD魯棒性問題仍有待進一步解決。