左宇浩，雷勝飛*，盧曉云，段華新，鄧 坦，周 理

（1.湖南省人民醫(yī)院（湖南師范大學(xué)附屬第一醫(yī)院）腫瘤科，長沙 410005；2.湖南省人民醫(yī)院（湖南師范大學(xué)附屬第一醫(yī)院）教學(xué)部，長沙 410005）

0 引言

放射治療要求在給予靶區(qū)高劑量的同時盡可能減少周圍正常組織的受照劑量[1]。靶區(qū)和危及器官（organ at risk，OAR）的精確勾畫是精確放療的重要環(huán)節(jié)和前提[2]。但這往往會占用臨床醫(yī)生大量的時間和精力，對于低年資醫(yī)生也容易發(fā)生OAR 的過度或欠缺勾畫[3]，從而降低臨床工作的效率。近年來，隨著人工智能在醫(yī)學(xué)領(lǐng)域的發(fā)展，基于卷積神經(jīng)網(wǎng)絡(luò)的自動勾畫在臨床應(yīng)用中成為熱點，其對于頭頸部腫瘤[4]、胸部腫瘤[5]、腹部腫瘤[6]的OAR 的勾畫均能達到較高的準確性，但目前缺少對于腮腺淺葉勾畫的研究。腮腺淺葉位于咬肌后份的淺面，深葉位于下頜后窩及下頜支的深面，二者以峽部相連[7]，深淺葉的重要解剖標(biāo)志是下頜后靜脈。腮腺淺葉的準確勾畫不僅能有效評估受照劑量，防止放射治療毒副反應(yīng)的發(fā)生；還能夠提高靶區(qū)的邊緣劑量與適形度，降低腫瘤復(fù)發(fā)的概率。本研究旨在對比自動勾畫和手動勾畫腮腺淺葉的差異，評估基于卷積神經(jīng)網(wǎng)絡(luò)對腮腺淺葉勾畫的準確性。

1 資料與方法

1.1 臨床資料

隨機選取2017—2021 年于湖南省人民醫(yī)院腫瘤科進行放射治療的頭頸部腫瘤患者80 例，分為訓(xùn)練組（60 例）與驗證組（20 例）。訓(xùn)練組中男性患者48 例、女性患者12 例，年齡35～75 歲，平均年齡（53.1±9.6）歲，其中鼻咽癌46 例、喉癌1 例、頰癌2例、舌癌9 例、牙齦癌2 例；驗證組中男性患者15例、女性患者5 例，年齡19～74 歲，平均年齡（54.2±13）歲，其中鼻咽癌15 例、下咽癌2 例、舌癌1 例、軟腭癌1 例、牙齦癌1 例。

1.2 實驗方法

患者均采用熱塑頭頸肩膜仰臥位固定，利用Philips Brilliance CT（Big Bore）進行模擬定位掃描，層厚與層間距均為3 mm。由1 名具有副高職稱的高年資醫(yī)生以穿過腮腺的下頜靜脈為界，對所有病例進行腮腺淺葉的手動勾畫（manual delineation，MD），同時在勾畫完成后由其他高年資醫(yī)生進行二次審查，并將驗證組中手動勾畫的輪廓作為評價自動勾畫（automatic delineation，AD）的參考勾畫；將訓(xùn)練組的CT 圖像和結(jié)構(gòu)文件導(dǎo)入AccuLearning 中進行訓(xùn)練，其中訓(xùn)練模型結(jié)構(gòu)為unet_2d，訓(xùn)練輪次為50，訓(xùn)練結(jié)束后將算法模型導(dǎo)入自動勾畫軟件。對驗證組的病例分別進行自動勾畫以及在自動勾畫的基礎(chǔ)上由臨床工作時間低于3 a 的低年資醫(yī)生進行手動修改（automatic delineation+correction，AD+C），最后將2 組結(jié)果和高年資醫(yī)生的手動勾畫結(jié)果進行評估對比。

1.3 評估指標(biāo)

1.3.1 戴斯相似性系數(shù)（Dice similarity coefficient，DSC）

DSC 又稱為重疊指數(shù)，是用來描述2 個集合中重疊區(qū)域所占的比例。DSC 值介于0 到1 之間，當(dāng)DSC 值越接近1，表明兩者重合度越高。DSC 的計算公式如下：

式中，CDice表示DSC；VAD/AD+C表示自動勾畫的輪廓或自動勾畫后手動修改的輪廓；VMD表示手動勾畫的輪廓。

1.3.2 杰卡德（Jaccard）指數(shù)

Jaccard 指數(shù)是用來描述2 個集合的相似性，定義為兩者的交集與兩者并集的比值。Jaccard 指數(shù)的值介于0 到1 之間，值越大表明2 個集合的相似度越高。Jaccard 指數(shù)的計算公式如下：

式中，IJaccard表示Jaccard 指數(shù)。

1.3.3 質(zhì)心偏差（deviation of centroid，DC）

DC 是用來描述2 個結(jié)構(gòu)的幾何中心點在三維坐標(biāo)軸上的物理差異。當(dāng)DC 值越接近0 時，表明兩者中心點之間的位置差異越小。DC 的計算公式如下：

式中，（xMD，yMD，zMD）表示手動勾畫輪廓的幾何中心坐標(biāo)；（xAD/AD+C，yAD/AD+C，zAD/AD+c）表示自動勾畫的輪廓或自動勾畫后手動修改的輪廓的幾何中心坐標(biāo)；dDC表示DC。

1.3.4 95%豪斯多夫距離（Hausdorff distance 95%，HD95）

HD95是用來表示2 個集合在空間上距離的最小值，本研究選擇從小到大排名前95%的距離作為實際豪斯多夫距離，是為了排除離群點所造成的不合理距離，保持數(shù)值的穩(wěn)定性，從而更好地體現(xiàn)兩者在空間距離上的物理偏差。HD95的計算公式如下：

式中，DHD95表示HD95；X 表示手動勾畫的輪廓；Y 表示自動勾畫或自動勾畫后手動修改的輪廓；x 表示X輪廓上的點；y 表示Y 輪廓上的點；dXY和dXY分別表示X 到Y(jié)、Y 到X 的單向豪斯多夫距離。

1.3.5 平均表面距離（average symmetric surface distance，ASSD）

ASSD 是用來表示一個集合的所有表面點集到另一個集合的表面點集的歐氏最小距離的平均值，代表不同勾畫結(jié)構(gòu)邊界的物理偏差。ASSD 的計算公式如下：

式中，DASS表示ASSD。

1.4 統(tǒng)計學(xué)分析

采用SPSS 26.0 進行統(tǒng)計學(xué)分析。首先對所有數(shù)據(jù)進行正態(tài)性檢驗，分別表示為均值±標(biāo)準差（±s）和中位數(shù)（四分位距）；然后將AD 與AD+C 2 組數(shù)據(jù)的差值進行正態(tài)性檢驗，對于符合正態(tài)分布的數(shù)據(jù)進行配對t 檢驗；對于非正態(tài)分布的數(shù)據(jù)進行雙關(guān)聯(lián)樣本W(wǎng)ilcoxon 秩和檢驗。P＜0.05 表示差異具有統(tǒng)計學(xué)意義。

2 結(jié)果

2.1 手動勾畫與自動勾畫輪廓比較

以手動勾畫輪廓為參考勾畫，分別與AD 和AD+C 的腮腺淺葉輪廓作對比，對比結(jié)果如圖1 所示?？梢钥闯觯詣庸串嫷妮喞c手動勾畫的輪廓、自動勾畫后手動修改的輪廓與手動勾畫的輪廓的重合度均較好，2 種勾畫方式的精度均較高。

圖1 自動勾畫與手動勾畫對比

2.2 幾何精度

AD+C 的各指標(biāo)均優(yōu)于AD，具體數(shù)值見表1。其中左側(cè)中位DSC 提高2.4%（Z=3.92，P＜0.001），右側(cè)均值DSC 提高8.6%（t=5.244，P＜0.001）；左側(cè)中位Jaccard 指數(shù)提高4.1%（Z=3.92，P＜0.001），右側(cè)均值Jaccard 指數(shù)提高14.5%（t=5.992，P＜0.001）；左側(cè)中位DC 下降15.0%（Z=3.703，P＜0.001），右側(cè)均值DC下降55.9%（t=4.735，P＜0.001）；左側(cè)、右側(cè)中位HD95分別下降22.6%（Z=3.724，P＜0.001）、41.5%（Z=3.920，P＜0.001）；左側(cè)、右側(cè)中位ASSD 分別下降29.9%（Z=3.920，P＜0.001）、49.6%（Z=3.920，P＜0.001）。

表1 腮腺淺葉勾畫準確度

2.3 勾畫時間

MD 的平均勾畫時間為（167.70±29.43）s，AD 的平均勾畫時間為（27.30±1.54）s，AD+C 的平均勾畫時間為（123.05±10.54）s。AD 與AD+C 的勾畫時間均短于MD（AD 較MD 縮短83.7%，AD+C 較MD 縮短26.6%），差異均具有統(tǒng)計學(xué)意義（tAD=21.42，tAD+C=5.875，P＜0.001）。由此可見，AD、AD+C 相比較于手動勾畫，可以節(jié)省大量時間，提高臨床效率。

3 討論

隨著醫(yī)用直線加速器技術(shù)的迅速發(fā)展，調(diào)強放射治療技術(shù)在臨床上得到了廣泛應(yīng)用，其通過不同強度的光束的照射使高劑量主要集中于靶區(qū)域，減少了高風(fēng)險器官的輻射劑量。唾液腺損傷造成的放射性口干癥作為頭頸部放射治療后常見的并發(fā)癥，嚴重影響患者的生活質(zhì)量。腮腺作為最大的唾液腺，對其功能的保護尤為重要，因此臨床上通常將腮腺作為整體進行勾畫。但根據(jù)《中國鼻咽癌放射治療指南（2020 版）》[8]提出的腮腺淺葉劑量限值為V30≤50%，并且適當(dāng)調(diào)整OAR 的限值并沒有明顯提高嚴重的放射治療并發(fā)癥的概率。因此，對腮腺淺葉的準確勾畫更有利于放療計劃的設(shè)計。本研究對腮腺淺葉的自動勾畫與手動勾畫結(jié)果進行比較，結(jié)果顯示兩側(cè)淺葉的自動勾畫的DSC 值均在0.81 以上，與Zijdenbos 等[9]認為的DSC 值大于0.7 表明有較好的重合性和張嵩[10]認為的平均DSC 值≥0.808（0.95×0.85）即可滿足臨床勾畫功能的有效性一致。與王繼平等[11]基于3D-Unet 網(wǎng)絡(luò)模型自動勾畫腮腺的DSC值為0.8、紀天龍等[12]基于模型分割的腮腺自動勾畫的DSC 值為0.58、胡江等[13]基于通用模板自動勾畫腮腺的DSC 值為0.74 相比，基于卷積神經(jīng)網(wǎng)絡(luò)對于腮腺淺葉的自動勾畫在一定程度上可以媲美全腮腺優(yōu)化。

本研究的輪廓評估指標(biāo)顯示腮腺淺葉的自動勾畫效果較好，但是其DC、HD95、ASSD 值均大于吳哲等[4]的全腮腺分割結(jié)果。原因在于淺葉分割訓(xùn)練的標(biāo)志（下頜靜脈）在CT 圖像中所占比例較小，且除其以外的區(qū)域內(nèi)沒有清晰的邊界與組織密度的差異，所以大部分深淺葉界限是由醫(yī)生以有限的標(biāo)志為參考憑經(jīng)驗所勾畫，從而導(dǎo)致訓(xùn)練模型在x 和y 方向上的誤差。而z 方向上較差的原因是由于訓(xùn)練模型是基于二維的神經(jīng)網(wǎng)絡(luò)unet_2d。unet_2d 對于單層CT圖像分割準確，但是對圖層間的空間信息學(xué)習(xí)能力不足，而頭腳方向上圖像是不連續(xù)的，致使頭腳方向邊界分割較為模糊，因此造成輪廓分割不準確。雖然基于三維的神經(jīng)網(wǎng)絡(luò)訓(xùn)練模型能夠很好地解決空間分辨力不足的問題，但是因為參數(shù)量過大，對硬件的要求較高，導(dǎo)致執(zhí)行效率低下。因此，改進訓(xùn)練模型已經(jīng)成為放射治療領(lǐng)域的一項研究熱點。近年來，通過改進網(wǎng)絡(luò)分割模型，田娟秀等[14]基于3D 深度殘差全卷積網(wǎng)絡(luò)的自動分割方法和慕光睿等[15]基于多尺度策略的三維卷積神經(jīng)網(wǎng)絡(luò)的分割方法都能在不同程度上提高分割的準確性。

本研究在自動勾畫后的輪廓上繼續(xù)由低年資醫(yī)生進行手動修改，發(fā)現(xiàn)相比于自動勾畫，經(jīng)過修改后的各項評價指標(biāo)都有較大提升，其中淺葉DSC 值接近0.9，特別是在自動勾畫結(jié)果不佳的y 軸方向，通過手動修改后可以與手動勾畫結(jié)果一致。且相比于手動勾畫，自動勾畫能夠節(jié)省約五分之四的時間，自動勾畫后手動修改可以節(jié)省超過四分之一的時間，這與Walker 等[3]得出的在頭頸部腫瘤中自動勾畫加手動修改所用時間相比于單純的手動勾畫節(jié)省30.9%的結(jié)果相差無幾。

自動勾畫對于不同部位的腫瘤靶區(qū)和OAR 的勾畫取得了較好的結(jié)果，并且能夠為臨床醫(yī)生提供一定的幫助。但是目前這種方法尚不能代替高年資醫(yī)生對分割輪廓的審查，仍然需要后續(xù)修改以保證勾畫的精準性。蔣璠等[16]認為在缺乏人工干預(yù)的情況下，即使基于最優(yōu)自動分割結(jié)果的放療計劃也無法直接滿足臨床要求。低年資醫(yī)生對自動勾畫的腮腺淺葉進行人工修改后可以接近高年資醫(yī)生的手動勾畫效果，這樣既提高了臨床工作效率，將醫(yī)生從繁雜的靶區(qū)勾畫中解放出來，也能改善器官勾畫的準確性，為精準放療提供有力的保障。

4 結(jié)語

本研究通過基于卷積神經(jīng)網(wǎng)絡(luò)的訓(xùn)練模型對手動勾畫的腮腺淺葉輪廓進行自主學(xué)習(xí)，其結(jié)果顯示單純的自動勾畫能夠節(jié)省大量的時間并且取得良好的準確性。但是，由于訓(xùn)練模型的局限性導(dǎo)致腮腺淺葉邊界的一致性較差，因此醫(yī)生對自動勾畫后OAR的輪廓審查和手動修改仍然是十分必要的。本研究的局限性在于訓(xùn)練組的病例較少且僅僅是從幾何指標(biāo)評價腮腺淺葉自動勾畫的準確性，沒有對實際計劃中的劑量偏差進行比較，缺乏臨床相關(guān)性。未來探討的方向是在擴充訓(xùn)練病例的基礎(chǔ)上評估腮腺淺葉自動勾畫結(jié)果時加入劑量學(xué)參數(shù)，從而更直接地解釋勾畫輪廓與臨床劑量響應(yīng)的關(guān)系。