999精品在线视频,手机成人午夜在线视频,久久不卡国产精品无码,中日无码在线观看,成人av手机在线观看,日韩精品亚洲一区中文字幕,亚洲av无码人妻,四虎国产在线观看 ?

深度學(xué)習(xí)技術(shù)在肺癌影像學(xué)診斷中的應(yīng)用進(jìn)展

2022-01-06 01:33:04瑤,王祥,蕭
腫瘤影像學(xué) 2021年6期
關(guān)鍵詞:肺癌深度特征

孫 瑤,王 祥,蕭 毅

海軍軍醫(yī)大學(xué)長征醫(yī)院放射診斷科,上海 200003

隨著吸煙人群增多、環(huán)境惡化及人口老齡化不斷加劇,肺癌發(fā)病率逐年攀升,肺癌成為全球人類健康的巨大威脅,并且成為中國癌癥死亡的首要原因,2020年共造成72萬人死亡[1-2]。由于肺癌早期沒有癥狀或癥狀不典型,臨床發(fā)現(xiàn)肺癌時患者多處于局部晚期或已經(jīng)出現(xiàn)遠(yuǎn)處轉(zhuǎn)移[3],而病理學(xué)檢查證實為原位癌和微浸潤性癌的患者術(shù)后5年生存率接近100%。因此,肺癌早發(fā)現(xiàn)、早診斷、早治療至關(guān)重要。在2013年,美國預(yù)防服務(wù)工作組(United States Preventive Services Task Force,USPSTF)推薦對肺癌高危人群進(jìn)行低劑量螺旋計算機(jī)體層成像(computed tomography,CT)篩查,這一篩查方法預(yù)計將減少20%的肺癌死亡率[4-5]。隨著對CT篩查肺癌的需求不斷增加,每天產(chǎn)生海量數(shù)據(jù),人工閱片耗時長,并且不同地域醫(yī)療質(zhì)量不同,伴隨著漏診、過度診斷和診斷不足等多種問題。如何實現(xiàn)高效率、高質(zhì)量診斷越來越重要。人工智能輔助深度挖掘影像數(shù)據(jù)實現(xiàn)肺結(jié)節(jié)的早期診斷及精準(zhǔn)醫(yī)療成為研究的熱點(diǎn)。

人工智能廣泛應(yīng)用于醫(yī)學(xué)診斷、醫(yī)學(xué)統(tǒng)計、分子生物學(xué)研究等諸多領(lǐng)域[6],人工智能的一個重要分支是機(jī)器學(xué)習(xí)。隨著計算機(jī)科學(xué)的發(fā)展,深度學(xué)習(xí)作為機(jī)器學(xué)習(xí)中一種基于對數(shù)據(jù)進(jìn)行特征深度學(xué)習(xí)的方法[7],越來越多地用于計算機(jī)輔助診斷系統(tǒng)。深度學(xué)習(xí)方法使用大量圖像訓(xùn)練神經(jīng)網(wǎng)絡(luò),與醫(yī)師診斷相比,具有不受醫(yī)師主觀性、經(jīng)驗差異及疲勞等人為因素影響的自身優(yōu)越性[8]。鑒于肺癌的高發(fā)病率和高死亡率,人工智能在肺癌中的研究和應(yīng)用進(jìn)展極為迅速,本文將從肺癌的檢出、分割、診斷、預(yù)后評估、圖像重建等方面闡述深度學(xué)習(xí)在肺癌診治中應(yīng)用的研究進(jìn)展。

1 深度學(xué)習(xí)在肺癌檢出及分割中的應(yīng)用

肺結(jié)節(jié)是肺癌的早期表現(xiàn),低劑量胸部CT是目前國際公認(rèn)的肺癌早期檢測的有效手段[9]。隨著CT技術(shù)軟硬件的不斷發(fā)展,肺結(jié)節(jié)的檢出率越來越高,放射科醫(yī)師工作量大而不可避免地導(dǎo)致漏診。深度學(xué)習(xí)作為醫(yī)師的好幫手,可提高醫(yī)師的工作效率及診斷水平[10]。

人們對檢測肺結(jié)節(jié)的算法進(jìn)行了不斷的探索,所用算法應(yīng)該盡可能多地檢出可疑結(jié)節(jié),提高靈敏度,同時降低假陽性率。Zhang等[11]提出一種3D骨架提取的特征,基于此特征構(gòu)建模型能夠檢出不同空間位置的結(jié)節(jié)(包括孤立性、血管旁和胸膜旁結(jié)節(jié)),有效區(qū)分肺結(jié)節(jié)與周圍正常的解剖結(jié)構(gòu)。在肺圖像數(shù)據(jù)庫聯(lián)盟(Lung Image Database Consortium,LIDC)中得到靈敏度為89.3%,準(zhǔn)確度為87.6%,每例僅存在2.1個假陽性肺結(jié)節(jié)。Zheng等[12]開發(fā)了一個深度學(xué)習(xí)結(jié)節(jié)檢測系統(tǒng),通過軸向、冠狀和矢狀平面,而不僅僅是軸向平面進(jìn)行結(jié)節(jié)檢測。這一結(jié)節(jié)檢測系統(tǒng)先候選來自3個不同平面的所有可能的結(jié)節(jié),再利用3D卷積神經(jīng)網(wǎng)絡(luò)(convolutional neural network,CNN)來去除假陽性結(jié)節(jié),通過10折交叉驗證方案來訓(xùn)練和評估所提出的系統(tǒng)。在LIDC-圖像數(shù)據(jù)庫資源計劃(Image Database Resource Initiative,IDRI)數(shù)據(jù)集中,所提出的系統(tǒng)在每例存在1個假陽性肺結(jié)節(jié)時靈敏度為94.2%,每例存在2個假陽性肺結(jié)節(jié)時靈敏度為96.0%。研究結(jié)果表明,與使用單平面相比,采用多平面的方法能夠為肺結(jié)節(jié)檢測提供補(bǔ)充信息,表現(xiàn)出更好的性能。

在肺結(jié)節(jié)隨訪中,目前評估肺結(jié)節(jié)變化主要依靠基于基線和隨訪CT軸位圖像上的目測比較和直徑測量,為了解決同一患者在兩次CT掃描中的結(jié)節(jié)再識別問題,Rafael-Palou等[13]提出了一種3D孿生神經(jīng)網(wǎng)絡(luò),該網(wǎng)絡(luò)能夠提取結(jié)節(jié)的特征,并預(yù)測兩次圖像中最可能匹配的結(jié)節(jié),以檢測、匹配和預(yù)測每對給定的CT圖像中結(jié)節(jié)的生長情況進(jìn)而輔助臨床決策,結(jié)果顯示,在獨(dú)立測試集上結(jié)節(jié)檢測的靈敏度為94.7%,兩次掃描結(jié)節(jié)匹配的準(zhǔn)確度為88.8%,結(jié)節(jié)生長檢測的靈敏度為92.0%,準(zhǔn)確度為88.4%。

為了更直觀地對所選近年來較高質(zhì)量研究的指標(biāo)進(jìn)行比較,本研究以表格形式進(jìn)行了匯總,詳見表1。

表1 肺結(jié)節(jié)的檢出

對于結(jié)節(jié)檢出,主要任務(wù)是識別結(jié)節(jié)的特征和位置,但由于結(jié)節(jié)的大小和特征各不相同,增加了這一任務(wù)的復(fù)雜性。Rafael-Palou等[13]的研究測試結(jié)果在每例中存在的假陽性結(jié)節(jié)最多,存在的問題可能是建立模型時數(shù)據(jù)有限,患者縱向數(shù)據(jù)不足;除此之外訓(xùn)練集標(biāo)注的是直徑,雖然直徑測量是結(jié)節(jié)生長情況評估時最常用的方法,但在3D圖像中測量最長徑會更準(zhǔn)確。

病灶的精準(zhǔn)分割有助于對病灶進(jìn)行定量評估、檢測和隨訪。隨著人工智能技術(shù)的發(fā)展,深度學(xué)習(xí)有望做到質(zhì)量、重復(fù)性、效率更高的自動化分割[21]。用于評估結(jié)節(jié)良惡性概率的預(yù)測因子是結(jié)節(jié)大小、形狀和生長速率,這些都取決于分割的準(zhǔn)確性[22-23]。

Dong等[24]的研究提出了一種MV-SIR CNN模型,該模型分為6個子模型,從軸向、冠狀和矢狀視圖中提取肺結(jié)節(jié)的體素異質(zhì)性特征和形狀異質(zhì)性特征,然后整合結(jié)果來判斷體素點(diǎn)是否屬于結(jié)節(jié),以重建分割圖像。在與其他現(xiàn)有的CNN模型的比較中,該模型對于肺結(jié)節(jié)的3D分割表現(xiàn)優(yōu)異,Dice系數(shù)為0.926。Savic等[25]提出了一種快速行進(jìn)分割算法(fast marching method,F(xiàn)MM),這種算法以一種簡單而快速的方式分割結(jié)節(jié),而不像深度學(xué)習(xí)技術(shù)那樣需要更高的計算成本才能提高質(zhì)量。該算法將圖像分割成具有相似特征的區(qū)域,然后結(jié)合K-Means進(jìn)行合并,結(jié)果表明,該方法能夠準(zhǔn)確地分割結(jié)節(jié),尤其是對實體結(jié)節(jié)的分割,對于圓形結(jié)節(jié)和不規(guī)則結(jié)節(jié),Dice系數(shù)分別達(dá)到0.933和0.901。對于非實性結(jié)節(jié)和空洞性結(jié)節(jié),Dice系數(shù)分別下降至0.799和0.614。

為了更直觀地對近年來高質(zhì)量研究的指標(biāo)進(jìn)行比較,在此以表格形式進(jìn)行了匯總(表2)。

表2 肺結(jié)節(jié)的分割

獲得最高Dice系數(shù)的是Savic等[25]所提出的算法對于圓形實性結(jié)節(jié)的分割,但是這一算法沒有對不規(guī)則的輪廓進(jìn)行精確分割,因此在保留結(jié)節(jié)邊緣特征上還需改進(jìn)。CNN能夠自動學(xué)習(xí)影像學(xué)特征,是應(yīng)用于醫(yī)學(xué)圖像分割的最常見的深度學(xué)習(xí)方法。CNN在圖像二維分割中的應(yīng)用取得了巨大進(jìn)展,但在三維分割中的應(yīng)用仍面臨挑戰(zhàn),主要原因在于:① 缺乏大量數(shù)據(jù);② 肺結(jié)節(jié)一般體積較?。虎?在預(yù)測過程中大量消耗計算資源,對硬件要求較高。若是肺結(jié)節(jié)的大小、密度差異很大,甚至存在結(jié)節(jié)邊界模糊、與周圍噪聲相似、位于胸膜和血管旁等情況時,更難以穩(wěn)健的方式進(jìn)行分割。

2 深度學(xué)習(xí)在肺癌診斷中的應(yīng)用

中國最常見的肺癌類型是肺腺癌,前驅(qū)病變包括非典型腺瘤樣增生和原位腺癌,腺癌包括微浸潤腺癌和浸潤性腺癌。其中非典型腺瘤樣增生、原位腺癌、微浸潤腺癌的手術(shù)方式相對保守,術(shù)后5年生存率為90%~100%,而侵襲性腺癌的手術(shù)方式大不相同,術(shù)后5年生存率也要低得多[30-31]。由于肺結(jié)節(jié)圖像海量,且肺癌的形態(tài)特征千變?nèi)f化,單純依賴目測評估結(jié)節(jié)良惡性極為耗時且錯誤率較高,深度學(xué)習(xí)能夠?qū)Ψ谓Y(jié)節(jié)進(jìn)行高精度、高靈敏度的分類。

Ren等[32]在LIDC數(shù)據(jù)集上訓(xùn)練和驗證了一種流形正則化分類深度神經(jīng)網(wǎng)絡(luò),直接基于肺結(jié)節(jié)的三維輸出圖像的流形進(jìn)行分類。該網(wǎng)絡(luò)的主要優(yōu)點(diǎn)在于利用基于流形的約束來規(guī)范訓(xùn)練過程,提高良惡性分類性能,使分類準(zhǔn)確度達(dá)到90%,同時正則化的使用減少了由于數(shù)據(jù)量有限造成的過擬合效應(yīng)。Lyu等[33]提出的一種新結(jié)構(gòu),通過多級交叉殘差CNN 對肺結(jié)節(jié)進(jìn)行分類。這個網(wǎng)絡(luò)由具有不同卷積核大小的三級并行殘差模塊構(gòu)成,每個殘差模塊不僅與當(dāng)前級別相關(guān),還以交叉方式與其他級別相關(guān)聯(lián)。所提模型應(yīng)用于處理肺結(jié)節(jié)的三分類(良性、不確定和惡性)和二分類(良性和惡性),結(jié)果表明,三分類準(zhǔn)確度達(dá)到了85.88%,二分類準(zhǔn)確度達(dá)到了92.19%,但不足之處是未考慮肺結(jié)節(jié)3D特征。Ni等[34]設(shè)計了一個自動診斷網(wǎng)絡(luò),由3D U-Net和3D multi-RF網(wǎng)絡(luò)組成的檢測器用于查找結(jié)節(jié)位置,并同時使用被稱為Attention-v1的深層3D CNN結(jié)節(jié)侵襲性進(jìn)行分類,結(jié)果得出網(wǎng)絡(luò)的準(zhǔn)確度為85.2%,靈敏度為83.7%,特異度為86.3%,曲線下面積(area under curve,AUC)為0.926,但是所提出的模型不適合肺癌篩查的低分辨率圖像。

為了更直觀地對近年來部分較高質(zhì)量研究的指標(biāo)進(jìn)行比較,在此也以表格形式進(jìn)行了匯總(表3)。

表3 肺結(jié)節(jié)的診斷

與肺結(jié)節(jié)的檢出及分割相比,結(jié)節(jié)的診斷是深度學(xué)習(xí)方法的終極目標(biāo)之一。2020年Ghosal等[35]的研究應(yīng)用對抗生成網(wǎng)絡(luò)解決訓(xùn)練數(shù)據(jù)不足的問題,直接從原始圖像中提取特征,優(yōu)化分類模型,得到了最高的準(zhǔn)確度。但由于結(jié)節(jié)的復(fù)雜結(jié)構(gòu)和異質(zhì)性,且空間分辨率有限,惡性結(jié)節(jié)的分類特別是較小的結(jié)節(jié),仍然是深度學(xué)習(xí)最具挑戰(zhàn)性的任務(wù)。

3 深度學(xué)習(xí)在肺癌免疫治療預(yù)后評估中的應(yīng)用

隨著腫瘤-免疫相互作用的研究快速發(fā)展,治療晚期肺癌的新藥得以開發(fā),接受免疫治療的肺癌患者越來越多[43]。在患者免疫治療隨訪期間,活檢獲得的樣本難以解釋病變間及病變內(nèi)的異質(zhì)性,且連續(xù)有創(chuàng)活檢對患者來說傷害巨大。影像學(xué)檢查能夠無創(chuàng)地提供患者在免疫治療過程中的全身總體反應(yīng),不僅包括完整的瘤灶本身,還能全面監(jiān)測和量化其他具有預(yù)后價值的影像學(xué)特征。

Trebeschi等[44]訓(xùn)練了一個神經(jīng)網(wǎng)絡(luò),識別回顧性收集的Ⅳ期非小細(xì)胞肺癌患者隨訪期間獲得的胸部CT形態(tài)學(xué)變化,使用分類器將學(xué)習(xí)到的影像學(xué)特征與總體生存率聯(lián)系起來,結(jié)果顯示,從圖像采集之日起預(yù)測1年總生存率具有顯著性能,平均AUC為0.69;最高AUC出現(xiàn)在治療的前3~5個月,達(dá)到0.75;持久臨床獲益(6個月無進(jìn)展生存期)的AUC為0.67。預(yù)后熱圖的視覺分析展示了肺實變、肺不張、胸腔積液、骨轉(zhuǎn)移,以及縱隔、鎖骨上和肺門區(qū)域的淋巴結(jié)形態(tài)學(xué)變化對于預(yù)后評估的相對重要性。

此外還有研究表明,正電子發(fā)射體層成像(positron emission tomography,PET)/CT中的影像學(xué)特征對非小細(xì)胞肺癌患者的預(yù)后具有預(yù)測能力。Baek等[45]在對96例非小細(xì)胞肺癌患者立體定向放療前PET/CT圖像的回顧性研究中,訓(xùn)練CNN用于PET和CT圖像中的腫瘤分割。結(jié)果顯示,圖像包含的特征與2、5年總體生存率和疾病特異性生存率密切相關(guān);此外能夠使可能出現(xiàn)復(fù)發(fā)或轉(zhuǎn)移的高風(fēng)險區(qū)域可視化,從而優(yōu)化或調(diào)整治療方案來影響治療結(jié)果。

4 深度學(xué)習(xí)在CT圖像優(yōu)化重建中的應(yīng)用

為了突破低輻射劑量CT圖像質(zhì)量差的問題,近年來對深度學(xué)習(xí)方法在CT圖像優(yōu)化重建中的應(yīng)用也進(jìn)行了初步探索,用于提高圖像分辨率、消除偽影、去除噪聲。殘差網(wǎng)絡(luò)能夠?qū)W習(xí)CT稀疏重建中出現(xiàn)的條紋偽影,恢復(fù)清晰的校正圖像[46]。方向小波變換能夠提取偽影的方向分量,抑制CT特有的噪聲[47]。CNN能夠在原始投影數(shù)據(jù)中加入校準(zhǔn)噪聲得到的超低劑量CT進(jìn)行去噪,顯著提高CT圖像質(zhì)量,對肺氣腫精準(zhǔn)定量分析具有重要意義[48]。通過深度學(xué)習(xí)方法,在不增加輻射暴露和掃描時間的前提下提高圖像質(zhì)量,放射科醫(yī)師可以提高對早期肺癌的診斷信心,為臨床醫(yī)師選擇治療方案和制訂隨訪策略提供依據(jù),使患者在早期受益。

深度學(xué)習(xí)是肺癌輔助診斷的強(qiáng)大工具,在對肺癌影像的定位、定性方面取得重大進(jìn)展,還能隨著時間推移對腫瘤進(jìn)行體積描繪,根據(jù)其影像學(xué)特征推斷腫瘤基因型和生物學(xué)行為,預(yù)測臨床治療效果,以及評估疾病和治療對鄰近器官的影響[49]。深度學(xué)習(xí)可以使圖像的解釋過程自動化,并將影像學(xué)檢測、管理和后續(xù)隨訪的工作流程以前所未有的方式迅速完成。

既往大多數(shù)研究[18,44,50]普遍存在的問題是基于深度學(xué)習(xí)的方法數(shù)據(jù)饑餓。用有限的訓(xùn)練數(shù)據(jù)量來開發(fā)高性能的模型是有缺憾的,數(shù)據(jù)量小會影響模型的穩(wěn)定性和有效性,因為其限制了復(fù)雜神經(jīng)網(wǎng)絡(luò)的使用。其次,既往研究[34,37,50]多為回顧性研究,未來可進(jìn)行前瞻性大樣本的研究并加以驗證。另外,人工智能在肺癌影像學(xué)診斷中的應(yīng)用需要在獨(dú)立測試數(shù)據(jù)集中進(jìn)一步評估,在臨床數(shù)據(jù)中進(jìn)一步驗證。

猜你喜歡
肺癌深度特征
中醫(yī)防治肺癌術(shù)后并發(fā)癥
對比增強(qiáng)磁敏感加權(quán)成像對肺癌腦轉(zhuǎn)移瘤檢出的研究
深度理解一元一次方程
如何表達(dá)“特征”
不忠誠的四個特征
深度觀察
深度觀察
深度觀察
抓住特征巧觀察
microRNA-205在人非小細(xì)胞肺癌中的表達(dá)及臨床意義
主站蜘蛛池模板: 中文字幕在线免费看| 久久精品一卡日本电影| 伊人久久大线影院首页| 成人午夜免费观看| 黄网站欧美内射| 不卡色老大久久综合网| www.av男人.com| 日本道综合一本久久久88| 蜜臀av性久久久久蜜臀aⅴ麻豆| 免费观看三级毛片| 天堂成人在线| 色婷婷色丁香| 香蕉视频在线观看www| 日本亚洲欧美在线| 精品久久蜜桃| 亚洲无限乱码| 91免费精品国偷自产在线在线| 四虎影视库国产精品一区| 亚洲中文字幕无码mv| 欧美一级专区免费大片| 最新午夜男女福利片视频| 日本免费一区视频| 农村乱人伦一区二区| 国产美女无遮挡免费视频| 天天躁夜夜躁狠狠躁躁88| 中国美女**毛片录像在线| 亚洲第一在线播放| 国产三级成人| 伊人久久精品无码麻豆精品 | 国产乱子伦手机在线| 无码国产伊人| 国产老女人精品免费视频| 欧美日本激情| 热re99久久精品国99热| 久久视精品| 欧美中文一区| 午夜国产不卡在线观看视频| 亚洲国产成人超福利久久精品| 亚洲日韩国产精品无码专区| 欧美一区精品| 亚洲综合精品第一页| 色吊丝av中文字幕| 午夜精品久久久久久久99热下载| 毛片在线区| 欧美另类图片视频无弹跳第一页 | 国产成人AV综合久久| 91精品免费高清在线| 国产www网站| 国产在线拍偷自揄拍精品| 国产午夜无码片在线观看网站| 亚洲欧洲美色一区二区三区| 澳门av无码| 国产精女同一区二区三区久| 中文字幕色站| 亚洲欧美不卡中文字幕| 无码内射中文字幕岛国片| 老司机精品99在线播放| 毛片免费高清免费| 国产精品自拍合集| 日韩在线欧美在线| 成人伊人色一区二区三区| 亚洲第一成网站| 亚洲AV一二三区无码AV蜜桃| 免费A∨中文乱码专区| 玖玖免费视频在线观看 | 中文字幕日韩欧美| 秘书高跟黑色丝袜国产91在线| 在线观看精品国产入口| 国产成人综合亚洲欧洲色就色| 久操线在视频在线观看| 日韩AV手机在线观看蜜芽| 亚洲欧洲天堂色AV| 免费一级毛片完整版在线看| 青青操国产视频| 亚洲午夜天堂| 97久久超碰极品视觉盛宴| 国产福利一区二区在线观看| 99精品视频在线观看免费播放| 中文无码毛片又爽又刺激| 欧美午夜视频| 国产激爽爽爽大片在线观看| 欧美www在线观看|