秦偉，趙紫婷，時飛躍,2，王敏，魏曉為

1. 南京醫(yī)科大學附屬南京醫(yī)院（南京市第一醫(yī)院） a. 腫瘤放療中心；b. 醫(yī)療設備處，江蘇 南京 210006；2. 南京醫(yī)科大學 醫(yī)學物理研究中心，江蘇 南京 210029

引言

現代精確放射治療要求在腫瘤靶區(qū) 進行高劑量精確照射的同時，最大程度減少周圍正常組織和危及器官的受照劑量。因此，在影像中準確定義靶區(qū)與危及器官至關重要，但手工勾畫過程不僅耗時耗力，占用臨床醫(yī)師大量寶貴時間與精力，還在不同醫(yī)生間存在較大的主觀差異[1]。近年來，人工智能在醫(yī)學領域的應用使得自動勾畫技術成為研究熱點之一，出現了針對各種器官的自動勾畫算法框架。由于肝臟外形復雜，與鄰近器官組織，例如心臟、腹壁肌肉、膈肌等在影像上均缺乏良好的灰度對比，難以形成清晰的邊界，使得肝臟的自動醫(yī)學圖像分割仍是醫(yī)學圖像處理中的難點之一[2]。目前出現的ABAS、MIM、Raystation、Velocity等基于圖譜庫的自動勾畫軟件在骨性標志相對固定的頭頸部腫瘤放療中應用廣泛[3-5]，但在器官移動度較大的腹部少有研究報道。連心醫(yī)療的智能放療云平臺（RAIC.OIS）面向醫(yī)院放療科室、第三方影像與放療中心提供基于人工智能的器官自動勾畫、靶區(qū)勾畫、自動放療計劃、放療質控等技術工具和云服務。其中的自動勾畫工具可實現頭、頸、胸、腹和盆腔等多部位的危及器官勾畫，我們前期已經對該軟件自動勾畫食管癌患者心臟結構的準確性進行了研究[6]。本研究以手工勾畫結構為參考標準，從準確性和勾畫時間兩方面測試RAIC.OIS軟件自動勾畫腹部腫瘤患者肝臟結構的可行性。

1 材料與方法

1.1 病例選擇

選取本院腫瘤放療中心于2018年2月至11月收治的20例腹部腫瘤患者（胃癌10例，轉移癌5例，胰腺癌2例，賁門癌2例，十二指腸癌1例）。其中，男15人，女5人，中位年齡為66.5歲（42～76歲）。所有患者均仰臥，經熱塑膜固定后由西門子Sensation Open CT模擬機采集定位CT圖像，層厚和層間距均為5 mm。將20例患者按照ID號升序的順序排列，由1至20編號。

1.2 數據采集

自動勾畫數據：在Eclipse治療計劃系統中導出上述患者的定位CT圖像，傳輸至RAIC.OIS（v2.0.16）。在RAIC.OIS軟件中打開導入的待勾畫病例，在腹部的自動危及器官勾畫模塊中選擇肝臟，同時記錄自動勾畫時長。將全部20例自動勾畫生成的結構文件導回Eclipse系統，采集相應的體積與位置數據。

手工勾畫數據：根據文獻中肝臟的勾畫原則和參考圖譜[7]，在Eclipse中重新手工勾畫20例腹部患者的肝臟結構，并記錄手工勾畫的時間，然后測量并記錄相應的體積與位置數據。

1.3 評價指標

定義V1為手工勾畫的輪廓體積，V2為自動勾畫的輪廓體積，x1和x2分別代表手工和自動兩種勾畫肝臟結構的幾何中心坐標在x方向的坐標值，y和z方向依此類推。計算公式如下。

（1）體積差異ΔV%，見公式(1)。

（2）質心偏差（Deviation Of Centroid，DC），見公式 (2)。

其中，Δx=|x2-x1|，Δy=|y2-y1|，Δz=|z2-z1|。DC反映兩種結構的幾何中心在空間位置的偏移，數值越大表明兩種勾畫結構在空間位置的偏移越大[8]。

（3）Dice相 似 性 指 數（Dice Similarity Coeffi cient，DSC），見公式(3)。

DSC用于評價兩個集合之間的重合性，一般認為DSC＞0.7時，兩個結構的一致性較好[9]。

（4）敏感性指數（Sensitivity Index，SI），見公式(4)。

SI反映自動勾畫輪廓與手動勾畫輪廓的匹配程度[10]。

（5）包容性指數（Inclusiveness Index，IncI），見公式 (5)。

IncI反映手動勾畫輪廓中包含自動勾畫輪廓的概率[11]。

（6）Jaccard指數（Jaccard Index，JAC），見公式(6)。

JAC用于度量兩個集合之間的相似性，在0～1的范圍內，JAC數值越大，相似度越高[12]。

2 結果

肝臟結構的參數及各評價指標的結果列于表1。在20例測試病例中，兩種勾畫方式的肝臟體積差異平均值＞0，表明大多數自動勾畫的肝臟體積較手工勾畫肝臟體積偏大，平均偏大2.16%左右。

表1 20例患者肝臟結構勾畫的統計數據

圖1為位置差異數據（Δx、Δy、Δz和DC）。由表1可見，自動勾畫肝臟的幾何中心與手工勾畫的幾何中心在三維空間上平均偏移0.38 cm。由圖1可見，位置偏差在x軸方向的值最大，為（0.24±0.21）cm，在y、z兩個方向上的值分別為（0.17±0.21）cm和（0.20±0.24）cm。

圖2所示為20例肝臟結構勾畫相關的DSC、SI、IncI與JAC值。由圖2和表1可見，20例肝臟結構自動勾畫的DSC值均大于0.8，最大值達到0.94，表明自動與手工勾畫的肝臟結構形狀有較好的吻合性。

對20例患者的兩種勾畫方式時間進行統計分析和比較，自動勾畫和手工勾畫時間分別為（4.4±0.4）s和（507±74）s，由兩種方式的勾畫時間比較可見，使用自動勾畫可減少約99%的時間。

圖1 自動和手工兩種方式勾畫肝臟結構的位置偏差

圖2 肝臟結構勾畫的DSC、SI、IncI和JAC值

對V1（手工勾畫的輪廓體積）和V2（自動勾畫的輪廓體積）兩組數據進行配對t檢驗，P=0.015＜0.05，兩組數據有統計學差異。對Δx、Δy、Δz三組數據進行兩兩比較，結果表明，Δx和Δy有統計學差異（P＜0.05），Δx和Δz沒有統計學差異，Δy和Δz也沒有統計學差異。對DSC和SI、DSC和IncI、DSC和JAC，計算出的Pearson相關系數分別為0.734（強相關）、0.891（極強相關）和0.998（極強相關）。這說明DSC值與其它三個參數有較好的相關性。

3 討論

隨著計算機硬件及軟件的發(fā)展，使用計算機輔助自動或半自動分割醫(yī)學圖像變成可能，這一技術在放療領域的應用，不僅將醫(yī)生從高強度的繁復勾畫工作中解脫出來，還有助于減少勾畫結果在不同醫(yī)生間的主觀差異[13]。目前，自動勾畫方法主要包括基于圖譜庫、基于模型以及兩種方法的結合[14]?；趫D譜庫的方法使用剛性和（或）形變配準，將已有病例輪廓與測試患者匹配，通過形變配準算法，將形變后的結果映射到測試患者CT圖像上，實現自動勾畫。由于頭頸部骨性標志相對固定，器官移動少，易配準，已有大量基于圖譜庫的自動勾畫軟件在頭頸腫瘤調強放射治療的應用研究，包括不同軟件勾畫準確性比較[15]，入庫病例數研究[16]，及劑量學精度研究等[17]?；谀Ｐ偷淖詣庸串嬍褂靡欢〝盗康臉俗祿鳛橛柧毤?，通過數據增強、機器學習等技術建立模型，使用時無需建立病例圖譜庫。

張富利等[18]比較了基于深度學習和圖譜庫方法自動勾畫不同部位腫瘤危機器官輪廓的幾何學精度，發(fā)現前者在總體上更有優(yōu)勢。Macchia等[11]比較了三種基于模板庫的自動勾畫軟件（ABAS、MIM和VelocityAI）在頭頸部、胸部、腹部和盆腔腫瘤的危及器官勾畫結果。其中，三種軟件自動勾畫的肝臟結構DSC分別為（0.93±0.02），（0.93±0.03）和（0.90±0.01），SI 分 別 為（0.92±0.02），（0.90±0.03）和（0.92±0.03），IncI分別為（0.93±0.03），（0.95±0.04）和（0.88±0.02）。本研究使用基于人工智能的連心醫(yī)療RAIC.OIS軟件，自動勾畫腹部腫瘤患者肝臟結構，結果顯示，在自動勾畫的20例病例中，肝臟結構的DSC值為0.92±0.02，表明該軟件的自動勾畫結果與人工勾畫一致性較好。SI與IncI分別為（0.93±0.02）和（0.91±0.03），與上述基于圖譜庫方法的自動勾畫結果相近。這表明兩種自動勾畫方法在肝臟結構中的應用均能得到較好的結果。

綜上所述，在未經任何手工修正的情況下，應用RAIC.OIS自動勾畫腹部腫瘤癌患者的肝臟結構，能夠達到或接近手工勾畫的準確性。臨床工作中，放射腫瘤醫(yī)生認為軟件輪廓勾畫的DSC達0.95左右時，基本不需要調整，或僅需輕微修改[19]。本研究中自動勾畫的肝臟結構DSC平均值達到0.92，已基本接近臨床要求。但是需要注意的是，自動勾畫結果仍需經過放療醫(yī)師審核與手工修改才能用于臨床治療。雖然本研究未將手工修改時間納入評估指標，但自動與手工勾畫時間的比較結果表明，使用該軟件能夠大大縮短勾畫時間，有效提高放療工作效率。

致謝

衷心感謝連心醫(yī)療葉大亮和何飛躍在智能放療云平臺使用中提供的幫助和支持。