雙能CT融合圖像在人工智能肺結節篩查中檢測效能的探索研究

宋冬冬，朱曉明，朱麗娟，顧俊，伍建林，張清

1. 大連大學附屬中山醫院 放射科，遼寧 大連 116001；2. 北京推想科技有限公司 全球臨床科研合作學院，北京 100025

引言

肺癌是我國目前發病率和死亡率最高的惡性腫瘤[1]，并仍呈逐年增長趨勢。多層螺旋CT肺癌的早期篩查，對肺癌的預防以及早期治療意義重大[2]，能有效提高早期肺癌患者的5年生存率[3]。隨著人工智能（Artificial Intelligence，AI）深度學習技術在醫療領域的推廣應用，肺CT圖像的AI輔助結節篩查，在臨床上得到廣泛開展[4]，在提高工作效率的同時能有效降低肺結節的漏診率[5]。目前關于AI對肺結節檢測效能的研究正逐步深入，但這些研究多集中在胸部CT單源掃描以及AI臨床應用方法及價值[6-8]的探討上，而雙能掃描對人工智能輔助肺結節檢測效能的研究尚無人開展。本文旨在探討臨床中，胸部雙能CT掃描結合AI行肺結節篩查，其檢測效能與常規胸部CT單源120 kVp掃描的對比，同時比較兩種模式的輻射劑量。

1 資料與方法

1.1 一般資料

研究通過了本院倫理委員會批準，所有研究對象檢查前簽署知情同意書。收集2018年12月至2019年2月行雙源CT肺結節篩查的患者。納入標準：18歲以上，臨床行胸部CT平掃檢查的患者。排除標準：由于胸部手術史、胸腔積液、彌漫性間質性病變、肺不張、肺部炎性病變及CT圖像中呼吸運動偽影等，影響結節確認及標注者。381例患者納入研究。按照掃描模式不同將患者分為兩組：A組（183例）采用單源120 kVp掃描，B組（198例）采用雙能模式掃描并收集融合120 kVp圖像。兩組患者的年齡、性別、結節大小及結節類型差異均無統計學意義（表1）。

表1 兩組患者的臨床資料比較結果

1.2 掃描參數與方法

所有患者均在雙源CT機（Siemens Somatom Definition Flash，德國）上進行。掃描范圍為胸廓入口到膈肌水平，包括整個肺野。單源掃描方式參數：探測器準直器128×0.6 mm，機架旋轉時間為0.5 s /周，螺距為1.2，管電壓120 kVp，參考管電流130 mAs，開啟CAREDose 4D技術；雙能掃描方式參數：探測器準直器64×0.6 mm，機架旋轉時間為0.28 s /周，螺距為0.7，A管球管電壓100 kVp，B管球管電壓sn140 kVp，融合圖像為120 kVp（兩者按4:6的比例融合圖像），參考管電流A管球110 mAs、B管球94 mAs，開啟CAREDose 4D技術。

1.3 圖像重建與結節檢測

A、B兩組圖像均行1 mm、骨算法重建，得到單源120 kVp和雙能融合120 kVp兩組標準CT薄層圖像。使用推想科技的肺結節薄層訓練模型檢測軟件（Infer Read CT Lung Research, Infervision, Beijing，China），該系統基于40萬訓練數據集且數據來源于全國多家大型三甲醫院，能將疑似肺結節的部位準確標記[9]。對上述兩組CT圖像進行肺結節檢測，記錄檢測出所有結節的數量、位置，并按大?。ㄖ睆健? mm或＜4 mm）、類型（實性或亞實性）分類；三名不同年資的影像診斷醫生結合AI對兩組圖像的肺結節進行分析，均依據《肺結節診治中國專家共識（2018年）》。首先由兩名有10年以上經驗的醫師對兩組圖像所有結節的數量、位置分別進行標注，并按大小（直徑≥4 mm或<4 mm）、類型（實性或亞實性）分類，標注結果不同之處由二人討論后統一結果，最后再由一名主任醫師對以上二人制定結果進行審閱，確立最終金標準結節。將人工智能軟件自動檢測結果與金標準比對，并統計檢出結節的真陽數、假陽數，計算出檢測敏感度、精確度和假陽性率。按公式ED=DLP×k（k為轉換系數）計算有效輻射劑量。

1.4 統計學方法

所有統計學處理均應用SPSS 20.0版本進行。計量資料使用均數±標準差（±s）表示，比較采用卡方檢驗，分別對敏感度、DLP、CTDIvol、ED進行組間方小差分析，P<0.05差異具有統計學意義。

2 結果

2.1 兩組檢測效能比較

兩組圖像對于AI的肺結節檢測效能比較，差異有統計學意義（P<0.005），見表2。

表2 兩組圖像對于AI的肺結節檢測效能

2.2 兩組對不同大小肺結節AI檢測效能比較

兩組對于AI對直徑≥4 mm和直徑<4 mm肺結節的檢測效能比較，差異有統計學意義（P<0.005），見表3～4。

表3 兩組圖像對于AI對直徑≥4 mm肺結節的檢測效能

表4 兩組圖像對于AI對直徑＜4 mm肺結節的檢測效能

2.3 兩組對不同類型肺結節AI檢測效能比較

兩組圖像對于AI對實性肺結節和AI對亞實性肺結節的檢測效能比較，差異有統計學意義（P<0.005），見表5～6。

表5 兩組圖像對于AI對實性肺結節的檢測效能

表6 兩組圖像對于AI對亞實性肺結節的檢測效能

2.4 兩組輻射劑量比較

A組CTDIvol、DLP、ED均高于B組，差異有統計學意義（P<0.05），見表7。

表7 兩組掃描輻射劑量

3 討論

基于深度學習[10]的AI肺結節輔助檢測在臨床CT圖像上的廣泛應用[11]，極大地提高了醫生對肺結節的檢診效率[12]。目前臨床多在單源掃描下采集CT薄層圖像，進行AI輔助肺結節篩查，其檢測效能還有不足之處，尤其在臨床上極易漏診的最大直徑<4 mm和亞實性結節的檢出上[13]，敏感度還有待提高[14]。

隨著雙源CT的普及應用[15-17]，胸部CT雙能掃描成為日常臨床工作中的一個選項，常規條件下與單源掃描相比，胸部CT雙能掃描在不增加輻射劑量的前提下，能夠得到融合120 kVp、sn140 kVp與100 kVp不同能量的圖像，為診斷與鑒別診斷提供更多的參考依據[18]。本研究在雙源CT常規劑量胸部CT肺結節篩查中，將單源掃描120 kVp與雙能掃描融合120 kVp的肺CT圖像中，肺結節的AI檢測效能進行了比較，結果顯示雙能掃描融合120 kVp圖像的肺結節檢測敏感度明顯更高，輻射劑量明顯更低，而假陽性率卻不高，AI檢測效能明顯優于單源掃描120 kVp圖像。其中：無論對于結節直徑≥4 mm（臨床需選擇性影像隨訪或12個月影像隨訪[19]），還是直徑<4 mm（臨床需12個月影像隨訪或6～24個月間不同方式影像隨訪[19]），融合120 kVp圖像檢測敏感度均明顯更高，對于直徑≥4 mm的結節融合120 kVp圖像檢測假陽性率更低；無論實性結節還是亞實性結節，融合120 kVp圖像的檢測敏感度均明顯更高，對于實性結節融合120 kVp圖像的假陽性率更低。盡管與單源120 kVp圖像相較，融合120 kVp圖像在肺結節檢測的假陽性率上沒有明顯的降低，但在AI輔助醫生對肺結節的檢出上，更高的結節檢測敏感度，減少肺結節的漏診臨床意義更大，尤其在臨床中容易漏檢的小結節（最大直徑<4 mm）和亞實性結節上，雙能融合120 kVp圖像的檢測敏感度較單源120 kVp圖像有了較大的提高。圖1顯示了2例臨床易漏診<4 mm亞實性結節在雙能融合120 kVp結合AI被檢測出來，而在單源120 kVp圖像結合AI中漏診。

圖1 兩組圖像對臨床易漏診結節的AI檢出對比

最新發表在RSNA旗艦雜志Radiology: Artificial Intelligence的文章[20]比較了一些掃描參數（比如CT設備廠家、掃描輻射劑量）對于深度學習肺結節檢出模型檢出效能的影響，結果發現CT設備廠家以及輻射劑量對于檢出效能（敏感度、假陽率）并沒有影響，在我們的研究當中，單源120kVp的有效輻射劑量（4±1.1）mSv雖然略高于雙源掃描（3.23±0.97）mSv，但是這不太可能是影響結節檢出率的決定因素。因此我們猜測可能是由于雙源融合圖像（mixed image）的圖像質量優于單源120 kVp圖像質量從而導致AI輔助診斷軟件的檢出效能更高。雙源融合圖像選取來自低能100 kVp和高能Sn140 kVp的掃描圖像，低能（100 kVp）圖像具有高對比度，高能圖像（Sn140 kVp）具有較低噪聲，尤其Sn140是在140 kVp球管上添加了錫板過濾掉低能射線，讓射線更“硬”，因此圖像噪聲得以進一步降低，所以融合圖像兼具高對比度和低噪聲的特點，往往圖像的對比噪聲比優于單源120 kVp掃描圖像[21]。相比于單源120 kVp掃描，雙能掃描更優的融合圖像質量可能是引起雙能掃描AI檢出效能更高的潛在原因，當然這還有待進一步試驗和數據的驗證。

本研究也存在一定不足之處，首先兩組數據的人口統計學信息沒有納入本研究，其次樣本量還需繼續加大，我們將在以后的研究中予以完善。

總之，雙能掃描融合120 kVp的CT圖像較單源120 kVp的CT圖像，在結合AI肺結節的檢測中，敏感度更高，總體假陽性率也更低，且輻射劑量明顯降低，值得在臨床中推廣應用。