基于深度學習的乳腺X線智能檢測系統對鈣化的檢出能力評估

鄒雪瑾 王齊艷 鄭勇 蒲楊梅 康敏

(四川省婦幼保健院放射科，四川 成都 610045)

乳腺癌是女性最常見的惡性腫瘤，也是治療效果最好的惡性腫瘤。早發現、早診斷對臨床預后具有重要意義，尤其對于導管原位癌及時治療，其20年相對生存率可達 97%[1]。鈣化是乳腺癌的重要征象，甚至可能是早期乳腺癌唯一征象[1-6]，乳腺X線攝影是顯示鈣化的敏感度最高的影像手段，尤其是對以微小鈣化為表現形式的導管原位癌等早期乳腺癌發現意義重大[2-6]。人工閱片診斷乳腺鈣化病變，對影像診斷醫師經驗要求高，且也可由于閱片環境、閱片數量因素等引起的視覺疲勞或注意力不集中導致漏診。近年，隨著人工智能(Artificial intelligence，AI)技術發展，基于卷積神經網絡的深度學習(Deep learning，DL)技術逐漸應用到乳腺X線影像輔助診斷領域，其運用人工智能算法檢出乳腺X線圖像中病變[7-8]。本文將對比基于Faster-RCNN算法的深度學習系統與影像醫師檢出不同類型乳腺良性可能及可疑鈣化敏感度，并評估其檢出乳腺X線影像鈣化灶的穩定性，探討深度學習智能檢測系統對臨床醫師的輔助價值。

1 資料與方法

1.1一般資料 回顧性分析2018年1月至2020年9月于四川省婦幼保健院接受常規乳腺X線檢查的6165病例，篩選出140例僅因鈣化原因進行病理組織學檢查，均為女性患者，年齡24～85歲，中位年齡46歲。納入標準：(1)行乳腺X線檢查前未進行穿刺活檢、放化療、手術切除等治療；(2)圖像質量合格符合診斷標準，含雙乳頭尾位(cranio-caudal view，CC)和內外斜位(medio-lateral oblique，MLO)。(3)圖像中僅含鈣化病變。排除標準：(1)圖像質量不合格，拍攝條件不達標或投照體位缺失；(2)圖像中含腫塊、不對稱致密及結構扭曲等重要征象。

1.2影像采集 采用Hologic Lorad Selenia數字乳腺機，陽極靶面材料為鎢，濾過材料為銠和銀。采用全自動曝光和全自動壓迫系統，根據乳腺厚度和密度全自動選擇所有成像參數，曝光電壓范圍為22～39 kV，曝光電流為3～400 mA。常規拍攝獲取雙乳CC位及MLO位圖像，采集方法符合中華醫學會2016年乳腺影像檢查方法專家共識制定的乳腺影像檢查技術標準[9]。

1.3DL系統應用 DL系統為北京市醫準智能科技有限公司開發的乳腺X射線影像輔助診斷軟件，版本號：V.3.2.1.2021.0701，該軟件為基于Faster-RCNN算法的深度學習系統，系統讀取標準協議的DICOM數據，自動檢出鈣化。分析乳腺病變的時間為10%～20%。

1.4圖像處理及建立參照標準 兩名經驗豐富的高年資醫師(15年以上乳腺X線閱片經驗)采用盲法獨立閱片，依據美國放射學院(American College of Radiology，ACR)2013年第5版乳腺影像報告和數據系統(breast imaging reporting and data system，BI-RADS)分類標準[10]對鈣化進行評估，記錄其形態、分布、BI-RADS分類、ACR腺體構成；如果同一病例出現多個可疑鈣化或同一病灶出現多種形態可疑鈣化，以陽性預測值最高者進行BI-RADS分類；當兩者檢出結果不一致時，兩位醫師再次討論得出最終診斷結果，并建立參照標準組。同時，由1名低年資住院醫師A(2年乳腺X閱片經驗)、1名高年資住院醫師B(5年乳腺X線閱片經驗)、DL系統盲法獨立閱片，標記BI-RADS 3類及以上鈣化病灶。閱片過程中，醫師可以調整影像的窗寬、窗位和分辨率，且閱片時間不受限制。

1.5評估時間統計 記錄醫師A、醫師B及DL系統評估鈣化使用的總時間。

1.6統計學方法 采用Python 2.7.10統計分析軟件。用χ2檢驗評價DL系統與醫師A、B的鈣化檢出敏感度；雙向表χ2檢驗評價不同ACR腺體構成、鈣化形態、鈣化分布及BI-RADS分類等因素對DL系統、醫師A和B的檢出敏感度的影響。P<0.05為差異有統計意義。

2 結 果

140例病例中含BI-RADS 3類以上的鈣化灶圖像275幅，其中CC位135幅，MLO位140幅，發現目標鈣化灶306個，CC位150個，MLO位156個。醫師A、B及DL系統分別耗時5、7及4.2 h完成鈣化評估。不同ACR乳腺構成的鈣化檢出比較見表1。DL系統與醫師B在不同ACR乳腺構成的檢出敏感度無顯著性差異(χ2值0.050，P>0.05)，醫師A檢出敏感度顯著低于醫生B及DL系統(χ2值分別為58.929、61.293，P<0.05)，其中c、d類乳腺檢出敏感度差異顯著(P均<0.05)，而a、b類腺體檢出敏感度差異無統計學意義(P均>0.05)。不同ACR乳腺構成類型對DL系統及醫師B鈣化檢出靈敏度無影響，對醫師A鈣化檢出靈敏度有影響。見表1。

表1 不同ACR乳腺構成的鈣化檢出比較(%)

醫師A對于不同鈣化形態的檢出靈敏度明顯低于醫師B及DL系統，差異有統計學意義(χ2=60.236、62.598,P均<0.005)。各組主要漏檢簇集分布不定形鈣化(圖1)，其中DL系統漏診8個，其密度較淡，范圍較小；醫師A主要漏檢鈣化還包括簇狀及區域分布的點狀鈣化(圖1)。對于不定形鈣化，DL系統與醫師B檢出敏感度對比，無統計學差異(χ2=1.394,P>0.05)，與醫師A對比，其檢出敏感度差異有統計學意義(χ2=34.600,P<0.005)。對于不同分布方式鈣化的檢出敏感度DL系統與醫師B無顯著性差異(χ2=0.050，P>0.05)；DL系統與醫師A在區域與簇集鈣化的檢出敏感度差異有統計學意義(χ2=33.547、29.563，P均P<0.05)。不同形態、分布方式的鈣化對DL系統、醫師B的檢出敏感度無影響，對醫師A鈣化檢出敏感度有影響。見表2，表3。

注：A.54歲，女,DL系統漏診左乳不定型鈣化漏診,其密度較淡，范圍小；B.54歲，女，DL系統漏診左乳不定型鈣化，直徑范圍0.5 cm；C.48歲，女，DL系統、醫師A、醫師B均漏診右乳不定型鈣化，直徑范圍約0.5 cm；D.43歲，女，低年資住院醫師漏診簇集分布混雜含不定形鈣化和點狀鈣化病灶。圖1 鈣化漏診病例

表2 不同形態鈣化檢出比較(%)

表3 不同分布方式鈣化檢出比較(%)

各醫師與DL系統檢出BI-RADS 3類以上的鈣化敏感度見表4,醫師A檢出敏感度73.45%，低于醫師B及DL系統，差異有統計學意義(P均<0.05)。不同BI-RADS分類不影響DL系統及醫師B檢出鈣化敏感度，對醫師A檢出鈣化敏感度有影響。見表4。

表4 不同BI-RADS分類鈣化檢出比較(%)

3 討 論

近年來，CAD系統[7，11,12]和DL系統[7，13]等人工智能技術在對乳腺X線攝影病變檢出的領域研究已經有報道，傳統CAD算法基于人工設計特征，沒有深度網絡，僅能提取淺層特征，系統性能較差，在實際應用中存在假陽性率高，檢出率低等不足之處[7,12]。近幾年基于卷積神經網絡的深度學習技術使得乳腺人工智能診斷系統的診斷水平有所提高[13]，利于臨床醫師減少漏檢率[14-16]。本研究中，DL系統對于BI-RADS 3類以上鈣化敏感度96.36%，在既往報道AI對檢出不同分類或形態鈣化敏感度在64.9%～100%[14-16]區間內。

乳腺腺體密度是乳腺癌的風險因素之一，隨著乳腺密度增高，乳腺間期癌發生的風險越高，乳腺X線攝影在致密乳腺應用較大局限性[17-18],乳腺間期癌與致密的腺體組織使成簇微小鈣化在實際診斷中存在一定困難，容易漏診和低估，需臨床活檢證實[3]。目前國內對于ACR乳腺構成對DL系統鈣化檢出敏感度相關報道少，周娟等[14]認為不同ACR乳腺構成對DL系統鈣化敏感度無影響，而對低年資住院醫師鈣化檢出有影響，與筆者結果一致，但其未對比DL系統與醫師組間不同ACR乳腺構成的鈣化檢出敏感度差異。本研究顯示對于ACR乳腺構成為c、d類乳腺鈣化病灶，DL系統檢出敏感度顯著高于低年資住院醫師，而對于a、b類腺體構成的乳腺鈣化，兩者檢出敏感度無顯著差異，提示DL系統有助低年資住院醫師減少致密型乳腺的鈣化病變的漏檢。DL系統對于ACR c、d類的致密型乳腺鈣化的評估有較高穩定性，與馬明明等[19]觀點一致。

鈣化的不同形態、分布等對于乳腺癌的早期診斷具有重要意義，其陽性預測值決定了BI-RADS分類[20]。本文中不同BI-RADS分類、形態、分布方式不影響DL系統及高年資住院醫師對BI-RADS 3類以上乳腺鈣化灶檢出的敏感度，提示DL系統穩定性較高，而低年資住院醫師評價乳腺鈣化情況則反之，與既往報道一致[14,16]，提示DL系統可輔助低年資住院醫師提高鈣化檢出敏感度。

對于不同形態鈣化，醫師組與DL系統均發生不同程度漏檢,DL系統對不同形態鈣化檢出敏感度均在94%以上，與高年資住院醫師水平相當，顯著高于低年資住院醫師,尤其對于不定型和點狀鈣化檢出。對于區域、簇集及段樣分布鈣化灶，DL系統與高年住院資醫師檢出敏感度較高；尤其對于區域及簇集分布鈣化，DL系統敏感度顯著高于低年資住院醫師，提示DL系統有助于低年資住院醫師對區域、簇集分布方式鈣化檢出，既往國內報道僅提到DL系統對簇集分布鈣化有明顯輔助作用[14]。對于可疑惡性程度高的4例段樣分布鈣化，DL系統與醫師檢出敏感度均達100%，與病變分布范圍相對較廣容易發現有關。

本研究DL系統和醫師組主要漏檢鈣化類型為簇集分布不定形鈣化，與既往報道類似[14，16]。漏診客觀原因包含鈣化直徑較小、密度較低、腺體重疊等因素;醫師組還受診斷經驗、視覺疲勞、注意力下降等主觀因素影響;筆者認為DL系統不能使用調節圖像窗寬、窗位等圖像后處理方法加強鈣化與腺體背景灰白對比度差異，可能導致其對密度較低的鈣化病變出現漏診。對簇集分布不定形鈣化的檢出，是DL系統的難點，需要進一步優化其在該類型鈣化檢出能力。筆者對不同對照組標記鈣化總時間進行記錄，雖然高年資住院醫師檢出敏感度與DL系統無差異，但用時較DL系統長；低年資住院醫師用時較長且檢出敏感度低于DL系統；從診斷時效來說DL系統具有一定優勢。

綜上所述，基于DL系統的乳腺X線檢出系統對BI-RADS 3類以上鈣化檢出敏感度和穩定性較高，有助于低年資住院醫師減少漏檢，尤其可以減少致密型乳腺、簇狀和區域分布、無定形及點狀鈣化的漏檢。