王帥，李劍，李笑石，吳志斌，姜文龍，田健

空軍軍醫(yī)大學西京醫(yī)院 放射科，陜西 西安 710032

引言

肺癌是近年來發(fā)病率及死亡率增長最快、對人類生命威脅最大的腫瘤之一[1]。肺癌的早期表現(xiàn)為肺結節(jié)，準確檢測并對其分析處理極其關鍵，目前低劑量胸部薄層CT是診斷肺結節(jié)的首選方法[2-3]，隨著低劑量薄層CT的不斷發(fā)展，對肺結節(jié)檢出的敏感度和特異性明顯提高。但臨床上對肺結節(jié)的診斷仍面臨挑戰(zhàn)，主要包括：人工診斷效率低，診斷耗時，醫(yī)生容易出現(xiàn)視覺疲勞，低年資診斷醫(yī)師可能因為經驗不足或窗寬、窗位設置不準確造成漏診[4-5]。人工智能輔助診斷系統(tǒng)主要利用各類機器的學習算法篩選出結節(jié)疑似區(qū)域并進行定位，在各種圖像上標記和編號并提供結節(jié)的面積、體積、CT值定量分析，局部三維重建圖更是可以多方位顯示目標病灶與周圍組織的位置關系，縮短診斷醫(yī)生的診斷時間，大大提高工作效率[6-8]。但是計算機輔助診斷系統(tǒng)也存在一些問題，主要是假陽性偏高或不穩(wěn)定，圖像質量差或者圖像噪聲標準差（Standard Deviation，SD）大，其均可能導致陽性預測值降低，目前AI系統(tǒng)多采用常規(guī)512×512矩陣圖像分析、常規(guī)濾波反投影（Filter Back Projection，F(xiàn)BP）或SAFIRE部分迭代重建[9-12]，本文旨在探討1024×1024大矩陣情況下，iDose4和全模型迭代重建（Iterative Model Reconstruction，IMR）圖像對AI檢測診斷肺結節(jié)的影響。

1 資料與方法

1.1 一般資料

將2019年6月至2020年11月臨床懷疑肺結節(jié)要求行胸部薄層CT的70名患者納入本次研究，排除標準：① 不能配合呼吸訓練患者；② 合并其他肺部疾病如嚴重肺氣腫、急性肺部感染、肺結核等；③ 胸部有手術史；④ 圖像質量差不能導入計算機輔助診斷系統(tǒng)。經篩選后共60例患者納入本次研究，男32例，女28例，年齡35～78歲，平均年齡（53.9±19.2）歲，本次研究通過醫(yī)院倫理委員會批準免知情同意書，對于患者隱私信息均進行脫敏處理。

1.2 儀器與方法

所有患者均采用Philips公司的Philips Brilliance 256 iCT螺旋掃描儀進行胸部薄層掃描，患者取仰臥位，掃描范圍由胸廓入口至膈肌上緣，為避免掃描過程中吸氣憋氣不足問題，掃描范圍采用足向頭位掃描，掃描參數(shù)：管電壓120 kV，管電流為自動管電流調制技術（Dose Right，Philips Healthcare），準直128×0.625 mm，螺距0.798。掃描結束后按照重建方式的不同對60例患者分別進行常規(guī)矩陣512×512 FBP重建，大矩陣1024×1024 iDose4和大矩陣1024×1024 IMR全模型迭代重建，重建參數(shù)：重建層厚為1 mm、重建間隔為0.8 mm、iDose4重建Level為1、IMR重建Level為3。重建結束后將三組數(shù)據(jù)分別傳入人工智能輔助診斷系統(tǒng)進行肺結節(jié)分析診斷并標記肺結節(jié)密度、大小以及位置信息。AI診斷系統(tǒng)由推想公司提供（InferRead CT Lung Research，Infervision，北京，中國）。

1.3 金標準制定

由3名主治以上職稱的放射科醫(yī)生在常規(guī)矩陣512×512 FBP組圖像中參考AI檢出結果前提下，結合橫斷面圖像和多平面重建圖像明確病灶是否為真實的結節(jié)，當兩位醫(yī)生意見不一致時，由一名職稱在副高以上的醫(yī)生進行評價，以3人的一致性意見作為最終的金標準，結節(jié)按照大小分為≤4 mm和>4 mm；按照密度分為實性結節(jié)、亞實性結節(jié)、鈣化結節(jié)，亞實性結節(jié)包含部分實性結節(jié)和純磨玻璃結節(jié)；按照位置分為胸膜下結節(jié)、血管旁結節(jié)、其他位置結節(jié)[7]。

1.4 客觀圖像評價

選取氣管分叉層面和同側豎脊肌分別放置ROI，記錄平均CT值以及標準差，采用公式(1)～(4)分別計算平均信噪比（Signal to Noise Ratio，SNR）與對比噪聲比（Contrast to Noise Ratio，CNR）[13]，計算使用CAD識別不同大小肺結節(jié)檢出率/敏感度、假陽性率。

1.5 統(tǒng)計學分析

采用SPSS 19.0統(tǒng)計學軟件進行統(tǒng)計學分析，劑量資料用（±s）表示，不同重建算法下使用AI對結節(jié)檢出率的比較采用χ2檢驗，劑量資料兩組間的比較符合正態(tài)分布的采用配對樣本t檢驗，不符合正態(tài)分布的采用Wicoxon秩和檢驗，P<0.05為有統(tǒng)計學差異。

2 結果

2.1 不同重建方式下圖像質量的對比

金標準共篩查出635個結節(jié)，其中實性結節(jié)232個、亞實性結節(jié)289個、磨玻璃結節(jié)114個；≤4 mm的結節(jié)共383個，>4 mm的結節(jié)共252個；血管旁結節(jié)329個，胸膜下結節(jié)123個，其他位置結節(jié)183個。AI在FBP、大矩陣iDose4、大矩陣IMR三種重建算法下識別肺結節(jié)個數(shù)、真陽性數(shù)、假陽性率如表1所示，可以看出iDose4迭代重建和IMR迭代重建AI識別肺結節(jié)真陽性數(shù)和假陽性率無顯著性差異，iDose4組AI識別肺結節(jié)真陽性個數(shù)為605個，假陽性率為5.6%，IMR組AI識別肺結節(jié)真陽性個數(shù)為629個，假陽性率為4.3%。但兩組重建方式圖像對比FBP重建圖像AI識別肺結節(jié)真陽性數(shù)出現(xiàn)統(tǒng)計學差異，F(xiàn)BP組AI識別肺結節(jié)真陽性個數(shù)為528，假陽性率為22.1%。SD中IMR迭代重建組小于iDose4組和FBP常規(guī)重建組。SNR、CNR依照FBP、iDose4、IMR順序呈上升趨勢，三組重建方式兩兩比較的差異性有統(tǒng)計學意義。敏感度隨著噪聲的降低而提高，假陽性率隨著圖像質量提高而逐漸降低，敏感度IMR迭代重建組與iDose4迭代重建組比較無統(tǒng)計學差異，但是與常規(guī)FBP比較差異有統(tǒng)計學意義（P<0.05），敏感度提升16.9%。

表1 不同重建算法下AI識別肺結節(jié)總數(shù)以及敏感度

2.2 不同重建方式下CAD對不同性質、不同大小結節(jié)的檢測能效

三種重建技術對檢測實性結節(jié)、亞實性結節(jié)敏感度沒有顯著性差異，對于部分實性結節(jié)IMR迭代重建組敏感度與iDose4重建組相當，且都大于常規(guī)矩陣FBP重建組，磨玻璃結節(jié)同樣出現(xiàn)此規(guī)律。對于不同大小的肺結節(jié)，無論是≤4 mm還是>4 mm的肺結節(jié)，三組重建方案的差異均沒有統(tǒng)計學意義。兩例患者檢測圖像如圖1～2所示。

表2 三種重建技術對不同大小、不同性質肺結節(jié)的敏感度[n(%)]

圖1 經金標準檢出左肺下葉磨玻璃結節(jié)

圖2 經金標準檢測右肺下葉后基底段磨玻璃結節(jié)

3 討論

隨著AI的興起，其便攜性和高效性給醫(yī)療行業(yè)帶來新的前景，AI已在糖尿病視網膜病變、乳腺腫瘤等診斷以及抗癌藥物研發(fā)等領域有很好的表現(xiàn)，近年來在肺結節(jié)檢出中也有廣泛應用。胸部CT掃描檢查的普及以及CT檢查層面變薄，使CT掃描產生的圖像劇增，單個患者就有幾百幅圖像，放射科醫(yī)生面對海量的圖像極易產生視覺疲勞和身心疲憊，造成漏診或誤診，據(jù)報道，小結節(jié)的漏診率達40%[14]。肺結節(jié)計算機輔助診斷技術應運而生，作為輔助診斷的工具，CAD系統(tǒng)既能幫助放射科醫(yī)生有效降低工作量、減少漏診率，又能提高診斷的準確性和客觀一致性[15]。目前關于CAD識別診斷肺結節(jié)多集中于不同重建函數(shù)以及常規(guī)FBP重建下CAD的檢測能效[16]，關于大矩陣iDose4以及IMR對于肺結節(jié)的檢出以及圖像質量的影響鮮有報道。IMR是一種結合了三維微平板探測器和Knowledgebased多模型重建算法，具有強大的降噪功能[17-18]，而傳統(tǒng)的iDose4迭代重建仍是以常規(guī)FBP圖像進行迭代重建，相比于常規(guī)FBP重建有一定進步，但相較于IMR仍有不少差距，相較于傳統(tǒng)512×512常規(guī)FBP重建，大矩陣更能提高圖像空間分辨率，結合IMR，降低SD，圖像敏感度隨之增加，使得難以檢測和區(qū)別的肺結節(jié)特別是磨玻璃小結節(jié)，更加容易被發(fā)現(xiàn)。

回顧本次研究FBP、iDose4、IMR三種迭代方式技術水平依次提高，圖像SNR、CNR按照此順序不斷提升，雖然CAD對不同性質、不同大小結節(jié)敏感度輕微變化，但結論與金標準相一致，但是對于磨玻璃結節(jié)，檢出率隨著SD降低而顯著提高。筆者分析這可能由于肺結節(jié)常見的假陽性包括增粗的小血管或支氣管束斷面、局部膨脹不全、慢性炎性滲出，以上常見原因均可以在圖像空間分辨率提高情況下得以改善，本次實驗采用大矩陣聯(lián)合高級IMR迭代重建，圖像分辨率升高，空間分別率提升，使得CAD對于小的磨玻璃結節(jié)分辨率提升。

本研究的局限性：① 病例數(shù)目較少，結節(jié)數(shù)量不夠多，尤其是對部分磨玻璃結節(jié)，因此需要大數(shù)據(jù)樣本進行進一步分析；② 本次實驗未對常規(guī)FBP大矩陣情況下進行CAD分析，以此來證明大矩陣能提高圖像分辨率，后續(xù)需要另設計實驗以此來證明；③ 對于本次實驗設計除了重建方式不同以外，其余掃描參數(shù)均相同，既然IMR技術可以大幅度提高圖像質量，降低SD，作者未降低kV、mAs等掃描參數(shù)以探討低劑量情況下CAD對肺結節(jié)圖像質量影響。

4 結論

綜上所述，在AI領域肺結節(jié)診斷技術作為一個新興手段，有著診斷快、準確率高的特點[19-20]，患者在進行胸部薄層CT螺旋掃描時，為了提高圖像空間分辨率，增加CAD識別圖像敏感性，可以使用1024×1024大矩陣聯(lián)合IMR進行圖像重建。