基于深度學習自動勾畫在鼻咽癌調強放射治療計劃中的系統(tǒng)性評價研究

賴建軍 陳麗婷 胡海麗 蔣璐 高暢 喻冰琪 吳競 吳稚冰

鼻咽癌在我國的發(fā)病率較高，其主要治療手段為以放射治療為主的綜合治療，其中的調強放射治療（Intensity modulated radiotherapy，IMRT）能給予腫瘤靶區(qū)更好的適形性和劑量跌落梯度，在更準確地照射腫瘤區(qū)域的同時能更好地保護周圍危及器官（Organs at risk，OARs），是目前頭頸部腫瘤放療的主流技術方法[1，2]。在進行鼻咽癌IMRT 放療計劃設計時，因頭頸部解剖結構復雜且OARs 較多，傳統(tǒng)的人工勾畫方法不僅耗時費力，且缺乏一致性和規(guī)范性，因此，自動勾畫技術成為當前的研究熱點[3～6]。

自動勾畫程序是利用醫(yī)學圖像分割技術，在某種最優(yōu)算法下將參考圖像與待勾畫圖像的解剖特征進行空間映射及轉換來完成自動勾畫過程。本研究基于深度學習（Deep learning，DL）的連心智能云自動勾畫平臺（AIcontour），通過對20 例既往行鼻咽癌放療的患者的放療計劃資料進行回顧性研究，通過基于人工勾畫的OARs 對AIcontour 自動勾畫的相應結構勾畫質量進行幾何學評價、劑量學評價和時間測評，多維度系統(tǒng)性研究DL 自動勾畫的OARs 在鼻咽癌IMRT 放療計劃中的可行性和臨床應用價值。

1 材料與方法

1.1 病例選擇與自動勾畫在Raystation 計劃系統(tǒng)上選取已完成IMRT 治療的20 例鼻咽癌患者放療計劃資料，該20 例患者OARs 均為人工勾畫，并由主任醫(yī)師審核通過，其中OARs 包括腦干、脊髓、眼球、晶體、視神經、腮腺、視交叉。將CT 圖像和人工勾畫的OARs 導入AIcontour 進行相應結構的自動勾畫。

1.2 自動勾畫精度幾何學評價在AIcontour 上，以人工勾畫的OARs 輪廓體積為基準真值，采用形狀相似性系數(shù)（Dice coefficient，DCS）、Jaccard 系數(shù)（Jaccard coefficient，JC）、Hausdorff 距離（HD）、體積差異（Volume difference，VD）指標定量評估DL 自動勾畫方法獲得的 OARs 輪廓體積的精確性。

1.2.1 DCS DCS 用于評價自動勾畫與人工勾畫OARs 的重合性。DCS=2×（Va∩Vm）/（Va+Vm），其中，Va 為自動勾畫OARs 的體積，Vm 為人工勾畫OARs 的體積。DCS 值范圍0～1，DCS 值越接近于1，表示兩種勾畫方式的重合性越好。DSC>0.7 代表自動勾畫與人工勾畫的結構重合性較好[3，4]。

1.2.2 JC JC 用于度量兩個集合（A 和B）之間的相似性，定義為兩個集合交集的大小除以并集的大小，其計算公式為J（A，B）=|A∩B|/|A∪B|，0 ≤J（A，B）≤1，JC 數(shù)值越大，表示樣本相似度越高。

1.2.3 HD HD 是度量空間中任意兩個集合之間距離的量。定義空間中的兩個點集A={a1，a2，…}，B={b1，b2，…}，HD 用于衡量A、B 之間的距離，計算公式為HD（A，B）=MAX[H（A，B），H（B，A）]。

1.2.4 VD VD 是自動勾畫與人工勾畫結果體積差異，其計算公示為VD=Va-Vm，其中，Va 為自動勾畫OARs 的體積，Vm 為人工勾畫OARs 的體積。

1.3 基于自動勾畫的計劃設計將自動勾畫的OARs 體積結構導入Raystation 計劃系統(tǒng)相應患者結構集，重新以自動勾畫的OARs 為劑量限制結構進行能量為6MV 的9 野均分IMRT 計劃設計，最大子野數(shù)（Segments）為70 個，最小子野面積為2cm2，最小子野MU 為5。靶區(qū)處方劑量：PGTVnx 69Gy、PGTVnd 66Gy、PTV 60Gy，分32 次，95%靶區(qū)體積滿足處方劑量。

1.4 劑量學評價IMRT 放療計劃經主任醫(yī)師審核通過后，同時勾選自動勾畫和人工勾畫的OARs 體積進行OARs 劑量學比較。評估以DL 自動勾畫OARs 作為劑量限制結構在進行計劃設計時，作為基準真值人工勾畫的OARs 體積與自動勾畫OARs體積的劑量學差異。

1.5 OARs 勾畫時間測評本研究20 例患者均由同一名主任醫(yī)師分別對納入的OARs 進行人工勾畫、自動勾畫、自動勾畫加人工干預，分別記錄三種勾畫方式所需時間。

1.6 統(tǒng)計學方法利用SPSS 22.0 軟件對兩組勾畫的幾何學評價、劑量學評價結果進行統(tǒng)計分析，行配對t檢驗。三種不同勾畫方式的勾畫時間結果以表示，行方差分析。P<0.05 為差異有統(tǒng)計學意義。

2 結果

2.1 自動勾畫幾何學精度結果20 例基于人工智能的自動勾畫與人工勾畫頭頸部OARs 幾何學評價參數(shù)的統(tǒng)計學結果見表1。其中，左右眼球、左右腮腺、腦干、脊髓的DCS、JC 平均值均大于0.7；左右晶體的DCS、JC 平均值為0.6～0.7；左右視神經的DCS、JC 平均值為0.4～0.6；視交叉的DCS 平均值為0.42，JC 平均值為0.28。VD 方面，自動勾畫的眼球、視交叉、腮腺體積大于人工勾畫體積，晶體、視神經、腦干、脊髓自動勾畫體積小于人工勾畫體積。HD 距離最大值為左右腮腺，分別為（17.12±0.11）mm、（12.98±0.11）mm。見表1、圖1。

表1 20 例自動勾畫與人工勾畫頭頸部OARs 幾何學評價參數(shù)（）

表1 20 例自動勾畫與人工勾畫頭頸部OARs 幾何學評價參數(shù)（）

圖1 自動勾畫與人工勾畫頭頸部OARs 對比圖

2.2 自動勾畫OARs 和人工勾畫OARs 受照劑量比較自動勾畫OARs 設計的放療計劃經主任醫(yī)師審核通過后，各限制結構均滿足臨床需求，其中人工勾畫左右晶體、左右視神經和視交叉的OARs 體積受照劑量大于自動勾畫（P<0.05）。見表2。

20 例患者串行器官受照劑量分布折線圖顯示，在自動勾畫OARs 作為劑量限制結構設計的放療計劃下，人工勾畫的左右晶體、左右視神經、視交叉最大受照劑量分布明顯偏離自動勾畫，1 例患者右晶體、3 例患者左視神經、1 例患者右視神經、4 例患者視交叉均超出最大劑量限值。腦干和脊髓的人工勾畫和自動勾畫最大受照劑量分布趨勢一致。箱線圖結果顯示，人工勾畫的OARs 中右晶體、右視神經出現(xiàn)較大偏態(tài)值。見圖2～7。

2.3 鼻咽癌OARs 人工勾畫、自動勾畫、自動勾畫加人工干預三種勾畫方式時間比較人工勾畫時間為（90.1±12.2）min，自動勾畫時間為（1.1±0.2）min，自動勾畫加人工干預勾畫時間為（19.2±2.1）min，三種方式勾畫時間比較，差異有統(tǒng)計學意義（P<0.05）。

表2 自動勾畫計劃下的自動勾畫OARs 和人工勾畫OARs受照劑量比較（cGy，）

表2 自動勾畫計劃下的自動勾畫OARs 和人工勾畫OARs受照劑量比較（cGy，）

圖2 自動勾畫計劃下20 例患者晶體受照劑量折線圖（單位：cGy）

圖3 自動勾畫計劃下20 例患者視神經和視交叉受照劑量折線圖（單位：cGy）

圖4 自動勾畫計劃下20 例患者腦干和脊髓受照劑量折線圖（單位：cGy）

圖5 自動勾畫計劃下20 例患者晶體受照劑量箱線圖（單位：cGy）

圖6 自動勾畫計劃下20 例患者視神經和視交叉受照劑量箱線圖（單位：cGy）

3 討論

放療中OARs 自動勾畫是利用計算機處理下的醫(yī)學圖像自動分割技術來實現(xiàn)OARs 輪廓的自動勾畫過程，精準高效的自動勾畫工具可以減輕放療醫(yī)生工作量、縮短放射治療靶區(qū)勾畫時間并提高放療計劃質量[5～7]。近幾十年來，自動圖像分割技術逐步快速發(fā)展，傳統(tǒng)放療CT 圖像自動勾畫技術為基于圖譜的自動分段軟件（Atlas-based autosegmention software，ABAS）勾畫，該技術的圖像分割方式為將待勾畫圖像與數(shù)據(jù)集圖像進行配準后標記[9]，其處理過程包括圖像預處理、圖集創(chuàng)建、圖像配準和標記融合多個步驟，OARs 自動勾畫的精準實現(xiàn)受到圖集創(chuàng)建方法[8～12]、標記融合方法[13，14]、圖像配準方法[15～18]的影響。基于圖譜庫的ABAS 自動勾畫目前在臨床應用廣泛，但其使用相對固定的圖像數(shù)據(jù)集，勾畫精度的進一步發(fā)展受限于處理不同患者的解剖結構變化，且有效地執(zhí)行一次勾畫任務需要計算機密集處理較多的圖像數(shù)據(jù)，耗時較長。近年來，基于DL 的快速圖像分割技術逐步發(fā)展[19～23]，其中深度卷積模型的DL 圖像分割技術研究在生物醫(yī)學圖像分割中取得較大進展并應用于腫瘤放療的OARs 自動勾畫中[24]。本研究使用的連心智能云AIcontour 自動勾畫平臺，是基于DL 技術，運用U-net 卷積神經網絡DL 算法，采用標準數(shù)據(jù)對其進行有效訓練，通過算法邏輯實現(xiàn)圖像快速自動分割，是一種高效的自動勾畫程序。

在針對DL 的放療OARs 自動勾畫工具評價研究中，自動勾畫程序在胸腹部腫瘤放療中的勾畫效果與人工勾畫相比具有較高的精度，數(shù)秒就可以快速勾畫全部OARs，可以較好地輔助人工進行放療計劃設計[25～27]。在鼻咽癌的放療中，OARs 多且解剖結構復雜，這時精準快速的自動勾畫工具就具有較高的臨床實用價值。目前針對鼻咽癌放療OARs的DL 自動勾畫既往研究多為對勾畫結果與人工勾畫進行幾何學參數(shù)比較，缺乏多個病例的劑量學評價研究。本研究使用AIcontour 自動勾畫平臺，對20 例已完成鼻咽癌放療病例進行回顧性研究，通過基于人工勾畫的OARs 對自動勾畫質量同時進行幾何學評價和劑量學評價，并對勾畫所需時間進行時間測評，系統(tǒng)性多維度研究DL 自動勾畫的OARs在鼻咽癌IMRT 放療計劃中的可行性及臨床應用價值。

本研究結果中的幾何學評價分析結果顯示，以主任醫(yī)師手工勾畫為金標準，左右眼球的DCS 值為0.92±0.03、0.94±0.03，JC 值為0.85±0.08、0.88±0.06，HD 距離為（1.21±0.11）mm、（1.41±0.11）mm，其勾畫結果在所有OARs 中最好。較大體積的OARs 腦干、脊髓、左右腮腺DCS 和JC 平均值均大于0.7，腮腺HD 距離較大，差異位置主要集中在腮腺內側，說明人工勾畫和自動勾畫在器官體積邊界定義上具有一定差異。對于較小體積的OARs，其中左右視神經、視交叉DCS 和JC 平均值均小于0.6，視交叉DCS 和JC 平均值最低僅為0.42 和0.28，勾畫結果較差。左右晶體自動勾畫DCS 和JC 平均值均≤0.7 且接近于0.7，其勾畫結果也并不理想。小體積OARs 由于體積較小，CT 層數(shù)較少，且CT 圖像對于軟組織器官的分辨率不高，對人工勾畫造成影響，機器學習的原始數(shù)據(jù)差異較大，進而導致自動勾畫結果較差。Ibragimov 等[28]對50 例CT 圖像DL 自動勾畫研究DCS 值結果顯示，脊髓為0.87±0.12，左腮腺為0.76±0.06，右腮腺為0.77±0.05，左眼球為0.88±0.11，右眼球為0.89±0.04，左視神經為0.63±0.09，右視神經為0.64±0.10，視交叉為0.37±0.13，小體積OARs 尤其是視交叉和視神經勾畫效果較差，與本研究結果基本一致。

劑量學評價研究結果顯示，并行器官中左右眼球和左右腮腺受照劑量平均值自動勾畫與人工勾畫接近，均未超出劑量限值，且自動勾畫結果可以滿足放療計劃需求。串行器官中，中樞神經系統(tǒng)腦干和脊髓的受照劑量平均值自動勾畫與人工勾畫接近。20 例鼻咽癌患者腦干和脊髓自動勾畫與人工勾畫最大劑量分布基本一致，且最大劑量均未超出劑量限值，本研究中腦干和脊髓的自動勾畫作為劑量限值結構可滿足臨床放療計劃需求。在自動勾畫OARs 計劃下，人工勾畫的左右晶體最大受照劑量分布偏離于自動勾畫，且有1 例患者右晶體超出最大劑量限值；人工勾畫的左右視神經和視交叉最大受照劑量分布偏離自動勾畫，其中3 例患者左視神經、1 例患者右視神經、4 例患者視交叉超出最大劑量限值；箱線圖統(tǒng)計結果顯示，右晶體、右視神經也顯示出較大偏態(tài)值。對于晶體、視神經、視交叉這三種小體積OARs，以自動勾畫體積作為劑量限制結構，會造成主任醫(yī)師勾畫的OARs 超出劑量限值，不能滿足臨床放療計劃設計需求。

放療計劃是鼻咽癌IMRT 成敗的關鍵因素，OARs 的精準勾畫是放療計劃品質的重要保障。但自動勾畫結果受限于機器學習的標準數(shù)據(jù)集，而標準數(shù)據(jù)集又來源于人工勾畫，對于頭頸部的晶體、視神經、視交叉這些小體積OARs，其CT 圖像分辨率不高，人工勾畫困難，個體差異較大，難以創(chuàng)建標準數(shù)據(jù)集以供機器學習。對于眼球、腮腺兩種并行器官，因進行平均劑量限制，自動勾畫體積差異對受照劑量結果影響較小，本研究結果顯示，自動勾畫結果可以直接作為放療劑量限制結構。對于脊髓、腦干兩種串行器官，雖然本研究呈現(xiàn)出較好的研究結果，但體積差異對串行器官最大劑量限值較為敏感，建議臨床醫(yī)師對自動勾畫結果仔細審核以規(guī)避風險。對于晶體、視神經、視交叉三種小體積OARs，本研究結果顯示需要對自動勾畫結果進行人工干預，以滿足臨床放療計劃需求。蔣皤等[29]研究認為，即使是最優(yōu)的鼻咽癌OARs 自動勾畫結果也不能滿足臨床放療計劃需求。本研究三種勾畫時間測評結果顯示，人工勾畫時間為（90.1±12.2）min、自動勾畫時間為（1.1±0.2）min、自動勾畫加人工干預勾畫時間為（19.2±2.1）min，三者比較差異有統(tǒng)計學意義（P<0.05）。

綜上所述，本研究使用的AIcontour 自動勾畫平臺，雖然其自動勾畫結果不能完全滿足鼻咽癌放療計劃要求，但可以僅對小體積OARs 進行人工干預后用于臨床放療計劃設計，可顯著提升放療醫(yī)生工作效率，具有較高的臨床實用價值。