深度學習方法對周圍型肺癌和肺結核球的分類初探

王彬冰 白雪 陳明 鄭光浩 胡東 張璐 張華 賈宏遠 劉吉平 單國平

在放射治療中，腫瘤靶區的自動勾畫是研究者感興趣的問題[1-5]。CT影像中，對于肺內孤立性團塊影病灶，雖然可以通過閾值分割、卷積神經網絡等方法確定其范圍，但無法確定病灶的性質。其中，周圍型肺癌和肺結核球就存在以上鑒別困難。深度學習方法在圖像分類領域獲得了廣泛認可，它通過多層非線性變換，從海量數據中自動提取抽象特征，既消除了主觀因素的影響，又能提取到更加高級的抽象特征[6-8]。但是，目前未見其用于肺癌或肺結核球方面的相關報道；缺乏大樣本量的圖譜可能是原因之一。本研究在前期收集的肺癌和肺結核圖譜的工作基礎上，使用深度學習方法對以上兩者進行分類，旨在實現肺內病灶的良惡性判斷，減少醫生重復工作量和肉眼觀察可能出現的疏漏，以期提高肺癌靶區自動勾畫的準確性。本研究使用2家醫院的胸部CT檢查數據，比較了病理類型明確的肺癌和肺結核2D紋理圖片，現將結果報道如下。

1 材料和方法

1.1 圖像數據獲取 （1）肺癌圖譜：選自浙江省腫瘤醫院61例周圍型肺癌患者，均為肺實性病灶，無肺部彌漫性疾病和其他實變，且經病理證實為肺癌。CT影像來源于GE LightSpeed CT模擬機和Philips Brilliance Big Bore CT模擬機，掃描電壓均為120kV，電流80mA，平掃，掃描層厚5mm，患者由經驗豐富的臨床醫師勾畫可見腫瘤病灶，勾畫窗寬設置為[-1 000，500]，腫瘤CT橫斷面最長徑為 1.2～4.4cm（2.3±0.6）cm。（2）肺結核球圖譜選自阿克蘇地區第一人民醫院53例患者，均有肺結核球病史，CT影像提示為繼發性肺結核并有結核球，且無肺部彌漫性疾病和其他實變。CT影像來源于Siemens Emotion CT和Siemens SOMATOM Definition Flash CT，掃描電壓分別為 130、100kV，電流 80mA，平掃，掃描層厚2mm。CT影像經網絡傳輸到RayStation（RaySearch Laboratories AB，斯德哥爾摩，瑞典）治療計劃系統，由經驗豐富的放射影像科醫生使用輪廓勾畫工具標記結核球病灶，結核球CT橫斷面最長徑為1.3～4.5（2.9±0.4）cm。肺組織在縱隔窗、窗寬[-125，225]條件下，使用閾值勾畫工具勾畫，隨后在肺窗[-1 000，500]下檢查并修改，勾畫完成后，影像數據和輪廓數據分別以DICOM和DICOMRT格式導出。

1.2 訓練集數據增強 本研究是對肺癌和肺結核球的分類模型研究，研究的感興趣區是第一節中影像醫生所標記的范圍以及其臨近區域。而原始DICOM影像包含的信息多，如果直接使用原始DICOM影像進行訓練，效果不理想，模型不易收斂，因此對圖像作了如下處理：（1）只提取圖像中肺組織部分，去除其他組織，減少無關圖像信息；（2）根據標記的肺癌或肺結核球輪廓裁剪圖像，裁剪圖像像素56×56，減少其他肺組織紋理對分類的影響。擴大訓練圖譜數據集是降低過擬合的有效方法，對采集的肺癌和肺結核球圖譜，本研究對訓練圖譜庫中圖像作平移、反轉、旋轉處理，見圖1。經過數據增強后，數據庫中一共包含了2 346張肺癌圖像和2 340張肺結核球圖像。

圖1 訓練集數據處理與數據增強

1.3 卷積神經網絡模型 本研究對已標注為肺癌和肺結核球的影像，使用基于GoogLeNet的模型進行訓練，GoogLeNet提出的多尺度感知層Inception結構使用密集成分來近似最優的局部稀疏結構，以提高計算性能。GoogLeNet使用224×224的圖像作為輸入，但如果圖像尺寸過大，則易把不相關信息混入訓練圖像，直接影響分類結果；而且GoogLeNet對大尺寸自然圖像使用的大尺寸卷積核和大步長，在識別肺癌/肺結核球特征時，略顯粗糙。對于所收集圖像的統計發現，使用56×56（約3.7cm×3.7cm）的圖像可以包含絕大多數的感興趣區（肺癌、肺結核球的平均最長徑為2.3、2.9cm）。因此，在本研究修改了訓練模型，使它適應較小尺寸的圖像，并且提取到更精細的特征，使用線性整流函數（rectified linear unit，ReLU）作為激活函數。GoogLeNe網絡模型結構及參數見表1。

1.4 數據測試分析 測試集數據選擇獨立于訓練集的患者CT影像，其中肺癌62幅，肺結核球圖譜84幅，使用與生成訓練集圖譜相同的方法獲得，所選擇圖譜均經病理證實為肺癌和肺結核球，掃描條件同1.1。訓練集數據用于模型訓練，驗證集數據用于評估超參數的好壞，測試集數據用于評估模型是否只過度擬合了訓練數據以及模型的泛化能力。為了測試模型在不同情況下的分類能力，對這146張圖譜分別按2種方法分組：（1）為比較不同CT來源對最終分類結果的影響，測試集被分成兩組：測試集圖譜和訓練集圖譜來源一致（A組，70張）；在測試集中加入其他來源圖譜（B組，76張）。（2）為比較模型對不同大小病灶的分類能力，測試集被分成病灶CT橫斷面最長徑＜3cm（C組，88張）和≥3cm（D組，58張）。使用caffe深度學習框架訓練模型，訓練在一臺intel Core i7-7700HQ CPU@2.80GHz、GPU NVIDIA GeForce 940MX、8GB RAM的電腦上完成，迭代100 000次。定義TP為將肺癌預測為肺癌數，TN為將肺結核球預測為肺結核球數，FP為將肺結核球預測為肺癌數，FN為將肺癌預測為肺結核球數，計算模型對肺癌/肺結核球分類的精確率（Precision）P=TP/（TP+FP），召回率（recall）R=TP/（TP+FN），F值（F-Measure）F=（2*P*R）/（P+R）。

表1 GoogLeNet網絡模型結構及參數

2 結果

2.1 不同CT設備的CT密度表 本研究所收集的CT影像來源于4臺不同的CT機，CT密度表見圖2。CT密度表均使用CIRS Model 062M模體在每臺CT機上測量。當 HU 值在[-1 000，-750]和[500，1 500]區間內，4 臺CT機的HU值和物理密度對應關系之間存在一些差別；[-750，500]區間范圍內各CT機之間HU值和物理密度對應關系接近。本研究所標記的感興趣區域在肺窗[-1 000，500]下，處于HU值和物理密度對應關系符合度較好的區間。

2.2 模型分類結果 使用深度學習網絡模型對肺癌、肺結核球進行分類，迭代100 000次，訓練過程見圖3。可以看到模型損失函數Loss值隨迭代步數增加逐漸趨于0，Accuracy為模型對驗證集數據正確分類的概率，其值隨迭代步數增加逐漸趨于1。訓練完成后，分別對測試集中每張圖片輸出模型預測的屬于肺癌或肺結核球的概率，以50%概率為分類閾值。模型的總體分類精確率、召回率、F值分別為88.9%、77.4%、82.8%，分類結果見表2。

圖3 模型訓練的Loss值及Accuracy曲線

表2 模型對肺癌、肺結核分類的結果

在A組中，分類精確率、召回率、F值分別為89.3%（較高）、96.2%、92.6%（較好）；在B組加入了未包含在訓練集中的其他CT機型來源的測試集圖譜，分類精確率、召回率、F值分別為88.5%、63.9%、74.2%，均低于A組。從病灶大小分布來看，A組中有38.5%（10/26）的肺癌圖譜病灶最長徑＞3cm，有29.5%（13/44）的肺結核球圖譜病灶最長徑＞3cm。B組中有38.8%（14/36）的肺癌圖譜病灶最長徑＞3cm，有52.5%（21/40）的肺結核球圖譜病灶最長徑＞3cm。分類結果表明，A組中有1例（10%）病灶最長徑＞3cm的肺癌圖譜和2例（15.4%）病灶最長徑＞3cm的肺結核球圖譜分類錯誤。而B組分類錯誤的13例肺癌圖譜中，有11例（84.6%）為新CT機型來源圖譜，且這11例新圖譜中有8例（72.7%）圖譜的病灶最長徑＞3cm。而肺結核球測試集圖譜與訓練集圖譜來源相同，因此分類準確率較高，A、B兩組中肺結核球被錯誤分類的比例分布為6.8%和7.5%。C組為肺癌或肺結核球病灶最長徑＜3cm的圖譜，模型對C組的分類精確率、召回率、F值分別為89.2%、86.8%、88.0%，均高于D組（88.2%、62.5%、73.2%）。其中C組分類錯誤的圖譜主要為不同CT來源的肺癌圖譜（4例），D組有6例不同CT來源的肺癌圖譜被錯誤分類。結果顯示模型對與訓練集圖譜來源不同以及病灶最長徑＞3cm的圖譜分類能力較弱。

分類模型對A、B、C、D組圖譜分類的AUC值分別為 0.987、0.897、0.959、0.887，可以看到模型對 A 組和 C組有較理想的分類結果。模型對測試集圖譜的分類概率結果見圖4。

圖4 各組圖譜分類結果的ROC曲線（特異度表示測試集腫瘤圖譜分類結果的假陽性率，靈敏度表示測試集腫瘤圖譜分類結果的真陽性率）

3 討論

周圍型肺癌與肺結核球的鑒別存在一定困難。對于一些不典型病例，易造成誤判。本文對深度學習方法在肺癌和肺結核球分類問題上的有效性進行了研究，在對2D訓練圖像進行肺組織提取、裁剪、旋轉、翻轉等數據增強方法后，使用改進的GoogLeNet模型對周圍型肺癌和肺結核球分類模型進行訓練，使它更好地識別肺癌和肺結核球圖像的細節特征。最后使用了不同圖像來源和特征的測試集圖譜，測試了模型的分類能力。研究結果對于放射治療中肺癌的靶區自動勾畫具有實際應用價值。目前肺癌與肺結核球鑒別診斷的技術主要包括：（1）使用CAD法提取病變圖像的參數特征，然后進行分類[9-10]；（2）使用能譜CT并對能譜衰減曲線、物質分離和Eff-Z等多參數進行定量分析，以提高鑒別診斷正確率[11-12]；（3）采用深度學習分類方法，以平掃CT影像為學習圖譜庫，克服部分患者不能接受增強CT檢查、增加額外檢查費用、引入其他參數的定量分析等問題。

在二分類問題中，訓練集兩類樣本的數量是否平衡，會對訓練結果產生影響。因此，本研究在選擇訓練樣本時，通過病例數、數據增強等方法控制兩類樣本的比例，最終訓練集中兩類樣本比例為1.003∶1。為避免當肺癌和肺結核球靠近胸壁時無法識別病灶，本研究使用閾值勾畫和人工勾畫結合的方法對肺組織進行準確分割，以獲得高質量的訓練數據。對獨立于訓練樣本的肺癌和肺結核球CT影像測試結果表面，分類模型能有效地區分兩者。深度學習方法除了需要大量數據和高質量標記作為訓練集外，還需要注意不同設備訓練集數據來源對最終訓練結果的影響[13]。雖然在臨床實踐中，CT圖像掃描的管電壓、重建層厚相對固定，但不同設備間硬件差異以及圖像算法均可導致兩種機型掃描圖像的差異。本研究發現，如果訓練集CT圖像和測試CT圖像均來自相同的多個掃描機型，模型分類結果較好，但是在測試集中加入其他CT設備的影像，分類結果明顯下降。這是由于訓練集中的樣本缺乏差異性造成的。這提示不同中心之間的訓練模型使用前，應加入相應訓練數據重新訓練。

本研究還發現，模型的分類能力受病灶最長徑大小的影響。病灶最長徑＜3cm的圖譜分類結果好于＞3cm的圖譜。造成分類結果差異大的原因可能來自2個方面：（1）訓練集圖譜中，肺癌的平均最長徑較小[（2.3±0.6）cm 比（2.9±0.4）cm]，因此訓練集中＞3cm 的肺癌圖譜樣本量較少，而肺結核圖譜樣本量較多，樣本數不平衡導致分類結果出現偏差。（2）考慮到計算效率，在準備訓練集時，裁剪圖譜使用3.7cm×3.7cm的圖像尺寸。＞3cm的腫塊可能超出圖像范圍而造成圖像特征不全，影響分類學習結果。本研究存在一定的局限性，如選取的病例圖譜數量仍有待擴大，而更大的圖譜庫有助于得到更高的分類準確度，同時有效避免數據過擬合。另外，本研究只選取了肺癌和肺結核球兩類病灶作為訓練圖譜，在實際臨床工作中訓練集圖譜的分類方法還能進一步細分，如可以包括病理分型分期，預測治療效果、基因表型的研究等，這將在今后完善相應類型的圖譜。

綜上所述，深度學習方法對周圍型肺癌和結核球的鑒別診斷具有一定的潛力，可以有效地鑒別周圍型肺癌和肺結核球，但病灶大小以及訓練集、測試集圖譜來源對訓練結果有一定影響。