靶掃描在肺磨玻璃結節中的應用

徐家軍，張 虎，汪建文

（蕪湖市第二人民醫院醫學影像科，安徽 蕪湖 241000）

磨玻璃結節（ground-glass nodule，GGN）是指在CT 掃描圖像上表現為不掩蓋其內穿行肺紋理的肺內限局性限磨砂樣密度增高影。依據GGN 內部密度的不同，可分為純磨玻璃結節（pGGN）、混雜磨玻璃結節（mGGN），其中mGGN 又稱部分實性結節（PSN），而亞實性結節（SSN）包括pGGN 和PSN[1-3]。GGN 可因炎癥、出血、局限性纖維化、肺泡壁毛細血管血容量增加及腫瘤等多種病變引起，是一個非特異性的征象。靶掃描是小掃描野（FOV）、窄準直結合薄層掃描技術[4]。在接受相同光子數量情況下，小FOV 通過縮小單個像素或體素的大小，來進一步地提高圖像的高、低對比度分辨率。薄層掃描，除了減輕部分容積效應的影響，圖像的縱向空間分辨率也隨之提高。小FOV 可幾何放大呼吸運動、心臟大血管搏動偽影，檢查前需強化呼吸訓練，掃描時適當增大螺距，縮短掃描時間可有效減少靶掃描的運動偽影[5]。但螺距存在一定限度，超出上限將導致數據丟失，影響圖像質量[6]。研究發現[7，8]，矩陣相隨著FOV的縮小，肺結節的可見度評分逐漸提高，邊緣細節越清楚。靶掃描不僅能提供更高分辨率的醫學圖像，在顯示GGN 內部細微結構、邊緣形態特征及結節-肺界面方面也獨具優勢。本文就靶掃描在肺GGN中的圖像質量與定性診斷方面的優勢、影像組學和人工智能與其關聯性作一綜述。

1 靶掃描技術在提高CT 圖像質量方面的優勢

常規肺CT 由于掃描層厚與軸位圖像的限制，對GGN 的細節結構顯示不足，圖像單純局部放大后分辨率下降、顆粒感增粗、圖像變模糊。低劑量螺旋CT（LDCT）主要用于肺結節的長期隨訪和健康體檢，雖然降低了輻射劑量，但圖像信噪比（SNR）和對比噪聲比（CNR）也隨之下降、噪聲增大，圖像的噪聲增大。基于常規CT 和LDCT 數據的靶重建，圖像分辨率有所提高，但對原始像素的改善程度有限，圖像的信息量增加并不顯著。王鑫宏等[9]采用高分辨率CT 分別對高對比度分辨率模塊Catphan500 進行局部放大掃描（靶掃描）與局部放大重建（靶重建）研究顯示，兩種檢查方式所獲圖像質量一致，且局部放大重建圖像質量優于單純圖像放大。隨著CT 機的性能不斷提升，靶掃描技術也有所創新，1024×1024 矩陣的超高分辨率CT（UHRCT）能使單位面積內有效像素提高約4 倍左右[10]，且更有助于顯示直徑8 mm以下GGN 的影像征象[11]。朱慧媛等[12]對肺小結節的研究發現，UHRCT 靶掃描不僅可提升CT 圖像質量，還可降低患者的輻射暴露。此外，特定部位（縱隔胸膜下及后肋胸膜下）GGN 和屏氣不佳者，全肺CT易受呼吸運動、心臟大血管搏動和肺血墜積效應的影響而導致圖像質量下降，而采用小視野掃描可減輕患者屏氣的難度。李魯等[13]提出的生理通氣輔助UHRCT 掃描技術就是通過改變體位、在單純深吸氣狀態下進一步獲得充氣，使目標肺區位于掃描肺野上方達到過度充氣的效果，并通過對20 例GGN 研究發現，該項檢查技術較常規仰臥位UHRCT 靶掃描和回顧性靶重建所獲圖像質量的主觀評價及客觀評價均有提高。鄭海瀾等[14]對50 例GGN 進行生理通氣輔助下靶掃描、HRCT 及低劑量篩查數據回顧性靶重建，結果顯示對病灶細節分辨能力的最佳方案為生理通氣輔助下靶掃描方案。望云等[15]采用患側在上的改變體位聯合靶掃描技術對比常規仰臥位胸部CT 靶重建發現，體位變換靶掃描的圖像質量主觀評價、客觀評價（肺野的CT 值及標準差降低、SNR 和CNR 提高，背景噪聲減少）與常規掃描比較差異顯著，且2 位閱片者對圖像質量主觀評分的一致性在肺野充氣膨脹程度和偽影嚴重程度評分方面為中等一致，Kappa 值分別是0.494 和0.498，在墜積效應評分方面一致性非常好，Kappa 值為0.815。由此可見，對于那些位于特殊位置的GGN，靶掃描聯合生理通氣輔助技術所獲取的圖像質量明顯占優。

2 靶掃描在GGN 定性診斷中的優勢

GGN 與早期肺癌關系密切[16，17]，早期定性診斷尤為重要。GGN 的清晰度隨其密度的減低、體積的縮小和輻射劑量的減少逐漸下降，UHRCT 靶掃描作為肺內GGN 定性診斷的有效檢查手段，除了可提供高質量的精細圖像，也有較高的診斷效能，對磨玻璃肺結節定性診斷準確率高于常規CT 靶重建[18]。GGN的CT 征象對于良惡性及侵襲性的鑒別具有一定的參考價值，董浩等[19]對70 例GGN 研究顯示，UHRCT靶掃描對實性成分、空氣支氣管征、空泡征、胸膜凹陷征的顯示及診斷正確率優于常規CT 檢查，另外對pGGN 和mGGN 的分辨也具優勢。陳山等[20]研究表明，UHRCT 靶掃描不僅對pGGN 的瘤肺界面、分葉征的檢出和診斷效能均優于傳統CT 技術，而且對浸潤前病變浸和潤性病變pGGN 的瘤肺界面、毛刺征診斷差異也顯著。此外，CT 三維后處理重組技術能夠對肺結節進行全方位、多角度的觀察，彌補軸位圖形觀察面單一、病變上下緣界面顯示不足的缺陷，較常規CT 掃描技術對圖像的顯示、處理及分析有著絕對的優勢。采用三維重建技術獲得的圖像，可以精準、直觀的展示結節的解剖位置與細節，清楚、細微地顯示結節邊緣、密度及其與鄰近組織結構的關系，所得到的診斷信息比常規CT 更豐富，能更有效地提高良惡性肺結節危險因素分析的準確性和可信度[21]。有研究表明[22，23]，異常空氣支氣管征與肺腺癌的浸潤性密切相關。高益萍等[24]采用亞毫米層厚的靶掃描聯合三維重建技術對肺腺癌支氣管異常進行研究，結果顯示其優于常規CT，不僅能及早發現支氣管壁的增厚，而且還有助于早期肺腺癌及癌前病變的診斷與分型。鄧波等[25]研究顯示，相較于傳統CT 的軸位圖像，靶掃描結合三維后處理技術對空泡征、分葉征、毛刺征、棘突征、支氣管截斷征、血管集束征、胸膜凹陷征的檢出率明顯提高，三維重組后良、惡性結節的形態學征象也存在差異。

3 靶掃描與影像組學、人工智能的相關性

影像組學是指高通量地從放射影像中提取大量的定量影像特征并對其進行更深層次地分析，來實現對疾病從定性到定量診斷的轉變[26]，工作流程分為數據采集、圖像分割、特征提取和特征降維、模型構建等。在數據采集中可用來評估GGN 的影像學征象和形態學特征使用最廣泛的成像模式是CT[27]。由于影響圖像空間特性的重要因素之一是體素，所以體素的改變對絕大部分CT 影像組學特征影響顯著[28]。而體素的重要影響因素是FOV、層厚。圖像的紋理特征依賴于圖像的高對比度和低對比度分辨率，紋理分析利用圖像像素的灰度值及其分布模式的變化，可提供GGN 內部肉眼無法觀察到的細微結構變化，并對GGN 的跟蹤隨訪或是否采取干預措施有指導作用[29]。張博薇等[30]采用UHRCT 靶掃描對肺結節進行CT 紋理分析，使用紋理特征參數能準確的對結節進行分類，是量化良、惡性肺結節特征的可行方法。

隨著醫療大數據庫的建立及計算機硬件水平的發展，深度學習（DL）算法在醫療診斷領域優勢明顯，為實現醫學影像的自動智能診斷提供了新的契機[31]。目前以DL 為代表的人工智能（AI）技術在醫學影像領域已取得一些突破性的進展[32]。DL 可通過分層網絡自動獲取圖像分層次的特征信息，取代手動定義的特征圖像提取器和模型，實現了GGN 候選位置檢測、假陽性減少和良惡性鑒別過程的自動化[33]。在GGN 定性診斷中應用較多的是卷積神經網絡（CNN），相較于傳統計算機輔助診斷（CAD）系統，三維CNN 算法模型對肺結節檢出的敏感度顯著提高，尤其對小于5 mm 的肺結節的檢出效果提升更為明顯[34]。UHRCT 靶掃描及后處理技術的應用使肺結節的影像信息量明顯增加，不僅體現在形態學上提供影像的鑒別特征，且其測量的密度值更為精確，為計算機的量化處理提供的信息量也更多。有研究顯示[35]，基于常規肺CT 掃描數據訓練的DL 肺結節良惡性分類模型，模型在常規掃描數據集上的ROC 曲線下面積（AUC）是0.80、靶掃描數據集上的AUC 是0.84，兩者的AUC 有統計學差異，且與常規掃描CT相比，模型在肺部靶掃描數據上可取得的診斷效能更高，同時也說明了靶掃描技術在肺結節定性診斷方面的優勢。DL 算法對肺結節的識別效能很大程度上依賴高對比分辨率圖像。近來由于靶掃描數據量較少，圖像的分辨率也不完全統一，DL 技術在肺結節靶掃描影像應用的報道較少，有待進一步深入研究。

4 總結

靶掃描能提高圖像質量，對GGN 早期定性診斷價值優于常規CT、LDCT 和靶重建，有明確臨床獲益，應用不斷增加。但目前各家醫院之間的數據共享和互聯互通程度較低，相較于常規CT、LDCT，靶掃描CT 的數據量較少，尤其是確診的良性肺結節的數據嚴重不足，暫不足以支撐肺結節DL 模型的訓練和測試。且各單位使用的CT 機型、掃描及重建方法、參數存在差異，圖像質量參差不齊，缺乏統一的標準。對于LDCT 和常規胸部CT 檢出的高危肺結節，進一步實行靶掃描檢查尚缺乏統一標準。