余行，劉歡，傅玉川

四川大學(xué)華西醫(yī)院放療科，四川成都610041

前言

靶區(qū)及危及器官的勾畫是放射治療流程中重要的一步，相較于手動勾畫，自動分割具有提高勾畫效率、降低勾畫差異等優(yōu)勢［1］。目前，有基于圖譜的自動分割商用軟件可應(yīng)用于臨床，在對感興趣區(qū)域（Region of Interest,ROI）（主要是危及器官）進行自動分割后，由醫(yī)生對自動分割結(jié)果進行修改并確認(rèn)［2］。近年來，基于深度學(xué)習(xí)的醫(yī)學(xué)影像自動分割方法迅速發(fā)展并開始運用于放射治療靶區(qū)及危及器官的自動分割［3-4］，并以其魯棒性和靈活性顯示出巨大的潛力［5］。

無論是基于圖譜的自動分割，還是基于深度學(xué)習(xí)的自動分割，對分割結(jié)果的評估和驗證都是將其應(yīng)用于臨床必不可少的環(huán)節(jié)之一。在評估過程中使用最廣泛的輪廓指標(biāo)是幾何指數(shù)，包括體積差異、質(zhì)心距離、一致性指數(shù)和邊緣分析等［6］。盡管幾何指數(shù)計算方便，并且可以選擇多種幾何參量來進行較為全面的評估，但它們?nèi)狈εR床相關(guān)意義，不能直接反映勾畫差異對靶區(qū)和危及器官劑量分布的影響［7］。

本文利用深度學(xué)習(xí)模型自動分割生成的靶區(qū)及危及器官輪廓與醫(yī)生手動勾畫輪廓進行多參量的對比評估，探討對自動分割結(jié)果進行評估時將幾何參數(shù)與劑量學(xué)參數(shù)聯(lián)合使用的必要性與可行性，同時還分析了幾種常用幾何評估參數(shù)之間的相關(guān)性。

1 資料與方法

1.1 影像資料

圖像數(shù)據(jù)來自于2015年2月至2019年7月在四川大學(xué)華西醫(yī)院放療科接受治療的180例宮頸癌患者，分期為IB～IIA期，均于術(shù)后接受放射治療，其中162套CT數(shù)據(jù)用于訓(xùn)練，18套CT數(shù)據(jù)用于測試。所有患者均在CT掃描前憋尿以保證膀胱充盈，掃描時采用仰臥位，雙手舉過頭頂，使用頭頸肩熱塑性面罩固定，并注射對比劑。圖像使用西門子模擬定位CT Siemens Somato（Siemens Healthcare,Forchheim,Germany）進行采集，圖像重建分辨率為512×512，層厚為3 mm。危及器官包括膀胱、左右股骨頭、小腸以及直腸。臨床靶區(qū)（Clinical Target Volume,CTV）分為原發(fā)灶的CTV和盆腔淋巴結(jié)的CTV，原發(fā)灶CTV包括宮頸腫塊、整個宮頸及宮體、宮旁組織及陰道，盆腔淋巴結(jié)CTV包括髂總、髂內(nèi)、髂外、骶前及閉孔淋巴引流區(qū)［8］。

1.2 自動分割模型及結(jié)果

使用全卷積神經(jīng)網(wǎng)絡(luò)FCN-8s［9］構(gòu)建我們的自動分割模型，采用有公開代碼和參考模型的開源深度學(xué)習(xí)仿真工具Caffe［10］，基于ImageNet數(shù)據(jù)庫進行遷移學(xué)習(xí)完成預(yù)訓(xùn)練。使用Python作為編程語言對醫(yī)學(xué)影像DICOM RT文件進行相關(guān)的轉(zhuǎn)換、處理及計算。將162例患者的CT圖像用于模型的訓(xùn)練，采用預(yù)訓(xùn)練與數(shù)據(jù)擴增避免過擬合，在NVIDIA GTX 1080TI GPU上進行模型訓(xùn)練。利用訓(xùn)練好的模型對18例測試患者的CT圖像數(shù)據(jù)進行靶區(qū)和危及器官的自動分割，再將自動分割結(jié)果與醫(yī)生手動勾畫輪廓進行比較，表1列出了以幾何指數(shù)表示的分割結(jié)果，每一個幾何參數(shù)的定義將在第1.4節(jié)中詳細說明。

表1 以幾何參數(shù)表示的分割結(jié)果Tab.1 Segmentation results evaluated by geometric parameters

1.3 計劃設(shè)計

所有計劃均在Raystation 4.7計劃系統(tǒng)上進行設(shè)計，計劃靶區(qū)體積（Planning Target Volume,PTV）處方劑量為50.4 Gy/28次，危及器官的劑量限值分別為膀胱、直腸：V40＜60%、V50＜50%；左右股骨頭：V50＜5%；小腸：V30＜40%。計劃均采用容積旋轉(zhuǎn)調(diào)強（Volumetric Modulated Arc Therapy,VMAT）計劃，采用雙全弧照射（180°～181°，181°～180°），對于靶區(qū)而言，至少95%的靶區(qū)體積接受100%的處方劑量，靶區(qū)熱點劑量不超過處方劑量的107%。

1.4 幾何評估參數(shù)

參考各類評估方法，我們選取了5種廣泛應(yīng)用的幾何評估參數(shù)指標(biāo)［6,11-12］，基于面積/體積的評估方法包括Dice相似性系數(shù)（Dice Similarity Coefficient,DSC）和相對體積差（Relative Volume Difference,RVD）；基于距離的評估方法包括最大Hausdorff距離（Max Hausforff Distance,Max HD）、95%Hausdorff距離（95% Hausforff Distance,95% HD）和質(zhì)心差（Centroid Difference,CD）。以醫(yī)生手動勾畫為標(biāo)準(zhǔn)來評價自動分割效果，本文中幾何參數(shù)的計算都基于開源軟件3D Slicer［13］。

1.4.1 DSCDSC是醫(yī)學(xué)圖像分割中常用的指標(biāo)，其計算公式如下所示：

其中，|A|代表醫(yī)生手動勾畫的分割區(qū)域，|B|代表自動分割區(qū)域，|A∩B|代表A和B的交集。DSC的數(shù)值范圍介于0到1之間，其中1表示圖像之間完全重疊，0表示沒有重疊，數(shù)值越高代表分割效果越好。

1.4.2 RVDRVD表示分割圖像二者的體積差異，其計算公式如下所示：

其中，|A|表示自動分割結(jié)果，|B|表示醫(yī)生手動勾畫結(jié)果。

1.4.3 Max HD對于兩個給定的集合A和B，Max HD定義如下所示：

其中，||a-b||是歐幾里得距離，a和b分別是A和B邊緣上的點，同時h(A,B)通常被稱為直接HD。

1.4.4 95%HD95%HD與Max HD相似，但95%HD基于A和B中邊界點之間距離的第95個百分位的計算，其目的在于消除極端點對于分割結(jié)果的影響。

1.4.5 CDCD為兩組勾畫輪廓質(zhì)心之間的距離，用于評價兩組輪廓之間的總體位置偏差，其定義如式（5）所示：

其中，(Xauto,Yauto,Zauto)為自動分割結(jié)構(gòu)的質(zhì)心坐標(biāo)，(Xmanual,Ymanual,Zmanual)為醫(yī)生手動勾畫結(jié)構(gòu)的質(zhì)心坐標(biāo)。

1.5 劑量評估參數(shù)

本研究為回顧性研究，利用已實施的放療計劃，分別獲得醫(yī)生手動勾畫輪廓和自動分割輪廓的劑量-體積直方圖，如圖1所示，并提取了多個劑量學(xué)參數(shù)。對于CTV，劑量學(xué)參數(shù)為ΔD95（95%靶區(qū)體積接受的最小照射劑量差）與ΔD98，對于危及器官，劑量學(xué)參數(shù)為ΔDmean，其公式如下所示：

其中，Dn,manual為醫(yī)生手動勾畫CTV劑量，Dn,auto為自動分割CTV劑量，Dmean,manual為醫(yī)生手動勾畫危及器官劑量，Dmean,manual為自動分割危及器官劑量。

圖1 針對同一位患者醫(yī)生手動勾畫輪廓（實線）和自動分割輪廓（虛線）的劑量-體積直方圖Fig.1 Dose-volume histogram of manual segmentation contours(solid lines)and automatic segmentation contours(dashed lines)for a patient

1.6 統(tǒng)計學(xué)方法

所有數(shù)據(jù)均使用SPSS 20.0版（SPSS,Chicago,IL,USA）進行分析，計量資料采用均數(shù)±標(biāo)準(zhǔn)差表示，線性回歸分析探索靶區(qū)與危及器官劑量學(xué)參數(shù)與幾何參數(shù)的關(guān)系，采用Spearman相關(guān)性分析探究幾何參數(shù)間的相關(guān)性及醫(yī)生勾畫與自動分割劑量學(xué)間的相關(guān)性。P＜0.05為差異有統(tǒng)計學(xué)意義。

2 結(jié)果

圖2顯示了對于不同ROI，醫(yī)生手動勾畫輪廓和自動分割輪廓之間的平均劑量對比。幾何參數(shù)與劑量學(xué)參數(shù)間關(guān)系如圖3所示。首先，幾何參數(shù)與劑量學(xué)參數(shù)之間的關(guān)系較弱，如圖3a所示幾何參數(shù)與劑量學(xué)參數(shù)的關(guān)系研究中，66.7%（20/30）的關(guān)聯(lián)系數(shù)R2＜0.6，63.3%（19/30）的關(guān)聯(lián)系數(shù)R2＜0.4。靶區(qū)及危及器官的輪廓一旦確定，其幾何參數(shù)就不會改變，而對于劑量學(xué)參數(shù)而言，它的參數(shù)選擇較廣，我們以靶區(qū)為例，分別選擇了ΔD95、ΔD98兩個參數(shù)作為劑量學(xué)參數(shù)（圖3a、圖3b），結(jié)果表明劑量學(xué)參數(shù)的選擇影響了關(guān)聯(lián)系數(shù)的數(shù)值大小，但其關(guān)聯(lián)關(guān)系仍然較弱。

圖2 醫(yī)生手動勾畫與自動分割的劑量對比Fig.2 Comparison of dose parameters between manual segmentation and automatic segmentation

其次，幾何參數(shù)與劑量學(xué)參數(shù)之間的關(guān)系不穩(wěn)定，沒有單一的幾何參數(shù)與劑量學(xué)參數(shù)始終顯示出較高或者較低的相關(guān)性（圖3a、圖3b），小腸的平均劑量ΔDmean與DSC的關(guān)聯(lián)系數(shù)R2為最高值0.922，而同樣對于DSC而言，CTV的ΔD95與其關(guān)聯(lián)系數(shù)R2僅為0.239，低于CTV與Max HD的關(guān)聯(lián)系數(shù)0.556。

圖3 劑量學(xué)參數(shù)與幾何參數(shù)之間的關(guān)系Fig.3 Correlation between geometric parameters and dosimetric parameters

表2所示為幾何參數(shù)間的關(guān)系，相關(guān)系數(shù)|r的數(shù)值不超過0.625，CD與95%HD的關(guān)系系數(shù)|r最大，其余幾何參數(shù)間的|r|均小于0.5。

表2 幾何參數(shù)間的相關(guān)系數(shù)rTab.2 Correlation coefficient r between geometric parameters

3 討論

本研究利用基于caffe搭建的全卷積神經(jīng)網(wǎng)絡(luò)FCN-8s對宮頸癌外照射放療中的危及器官和靶區(qū)進行自動分割，就常用的幾何評估常數(shù)而言，其分割結(jié)果優(yōu)于臨床上常用的ABAS分割結(jié)果［14］，因此用該模型的分割結(jié)果進行評估參數(shù)的關(guān)聯(lián)性研究是可行的。

在這項研究中，我們發(fā)現(xiàn)大多數(shù)幾何指數(shù)與關(guān)鍵劑量學(xué)終點之間關(guān)聯(lián)較弱且不一致，這表明使用幾何參數(shù)估算劑量學(xué)參數(shù)是不可接受的。劑量與幾何評估方法呈弱相關(guān)；幾何評估方法容易出現(xiàn)假陽性結(jié)果，這一般發(fā)生在危及器官上，即對于幾何學(xué)參數(shù)而言，分割結(jié)果不可以接受，然而就劑量學(xué)而言，其滿足臨床要求。一般來說，當(dāng)DSC大于0.7時，可認(rèn)為分割結(jié)果是可以接受的［15］。Kaderka等［16］研究表明，有時候即使DSC值很低，其劑量學(xué)參數(shù)也符合臨床要求，特別是對于小體積的危及器官。而對于靶區(qū)，評估容易出現(xiàn)假陰性結(jié)果，即靶區(qū)具有可以接受的幾何結(jié)果但其劑量結(jié)果不符合臨床要求，這是由于在靶區(qū)周圍具有較高的劑量梯度，相同程度的輪廓改變，其劑量影響大于對危及器官的影響。

通常在對圖像分割進行評估時，會選用不同的幾何參數(shù)對圖像分割進行評估。在我們的研究中，選取了評價標(biāo)準(zhǔn)中常見的5個參數(shù)［17-20］，它們可以分為兩大類，一種是基于體積/面積的評估方式例如DSC、RVD；另一種是基于距離的評估方式如Max HD、95%HD及CD。DSC容易受結(jié)構(gòu)體積/面積的影響，而對邊緣信息不敏感。例如兩組結(jié)構(gòu)有相同的重疊體積/面積，而總體積/面積的和不同，將會導(dǎo)致其DSC值不同?；诰嚯x的評估方式如Max HD對錯誤的點非常敏感［17］。我們的研究分析了幾種不同幾何評估參數(shù)間的關(guān)系，結(jié)果表明幾種參數(shù)間為弱相關(guān)（95%HD與CD）或者不相關(guān)。因此在對分割結(jié)果進行評估時，可以分別使用不同的參數(shù)。

本研究的不足之處在于，對于危及器官，我們僅提取了平均劑量作為劑量學(xué)參數(shù)，盡管對于靶區(qū)而言，我們選擇了ΔD95、ΔD98作為劑量學(xué)參數(shù)，但是沒有臨床上常見的CI指數(shù)。我們的結(jié)果表明，不同參數(shù)的選擇會對幾何參數(shù)與劑量學(xué)參數(shù)的相關(guān)系數(shù)造成影響，但是其趨勢及相關(guān)性強弱大致不變。因此，在后續(xù)研究中，將考慮納入更多的劑量學(xué)參數(shù)。

4 結(jié)論

在對放療領(lǐng)域的圖像分割結(jié)果進行評估時，應(yīng)該同時考慮到幾何參數(shù)與劑量學(xué)參數(shù)。選擇幾何參數(shù)時，應(yīng)聯(lián)合使用基于面積/體積的評估方式與基于距離的評估方式。