鄧青山，陳曉，劉鑫淼，王強，陳磊，曹國全

1.溫州醫(yī)科大學(xué)附屬第一醫(yī)院放射科，浙江溫州 325015；2.溫州醫(yī)科大學(xué)仁濟學(xué)院，浙江溫州 325015；3.上海聯(lián)影智能有限公司研究院，上海 200232

腰椎數(shù)字X射線攝影（digital radiography，DR）可幫助醫(yī)生了解患者腰椎骨質(zhì)是否有破壞，排除部分腫瘤、骨結(jié)核、骨折、腰椎畸形等。高質(zhì)量的腰椎X射線可有效避免漏診并提高診斷的精準(zhǔn)性。現(xiàn)階段，醫(yī)學(xué)影像人工智能（artificial intelligence，AI）應(yīng)用研發(fā)主要集中在醫(yī)學(xué)影像的診斷環(huán)節(jié)，多以單一疾病入手，以單純圖像訓(xùn)練為主，關(guān)于AI技術(shù)對放射技師的影響討論卻很少[1-2]。放射技師是成像過程之前、成像期間和成像之后與患者直接溝通的關(guān)鍵角色，放射技師的攝影技術(shù)直接影響圖像的質(zhì)量[3]。腰椎X射線攝影在臨床檢查中應(yīng)用頻率較高，對圖像的質(zhì)量要求也高，然而攝影技術(shù)特別是左右雙斜位拍攝因受檢者個體體型差異經(jīng)常達(dá)不到診斷要求。本研究擬在腰椎DR檢查質(zhì)量控制標(biāo)準(zhǔn)的基礎(chǔ)上，基于AI分析方法構(gòu)建腰椎X射線攝影圖像的智能質(zhì)控模型，通過該模型實時和回顧性評估臨床圖像。

1 資料和方法

1.1 對象

回顧性收集溫州醫(yī)科大學(xué)附屬第一醫(yī)院2018年1月至2021年2月行腰椎DR檢查的患者1389例。腰椎X射線攝影圖像包括正位、側(cè)位和斜位片。其中，訓(xùn)練集包括1070例患者的腰椎X射線攝影圖像（800幅正位片、798幅側(cè)位片、623幅斜位片），驗證集包括319例患者的腰椎X射線攝影圖像（200幅正位片、205幅側(cè)位片、156幅斜位片）。由3位工作經(jīng)驗超過5年的技師為所有圖像進(jìn)行手工標(biāo)注。腰椎正位片標(biāo)注腰椎、骨盆、棘突、L3、L3雙邊影，見圖1A；腰椎側(cè)位片標(biāo)注腰椎、棘突、椎間孔、L3、L3雙邊影、骶椎，見圖1B；腰椎斜位片標(biāo)注腰椎、下關(guān)節(jié)突、骨盆，見圖1C。本研究經(jīng)溫州醫(yī)科大學(xué)附屬第一醫(yī)院倫理委員會審批通過[倫理審批號：（2022）第（R017）號]。

圖1 腰椎X射線攝影手工標(biāo)注解剖結(jié)構(gòu)

1.2 質(zhì)控標(biāo)準(zhǔn)

根據(jù)腰椎X射線攝影規(guī)范，腰椎X射線攝影包括3個體位：正位、側(cè)位、左斜位和（或）右斜位，不同的體位可觀察不同的解剖結(jié)構(gòu)。各體位標(biāo)準(zhǔn)攝影指標(biāo)參考相關(guān)資料[4-5]；其中腰椎斜位片需展示“小狗”的特征，見圖2A。

圖2 “小狗”特征的判別方法

1.3 增強型U-Net網(wǎng)絡(luò)的圖像分割算法

全卷積神經(jīng)網(wǎng)絡(luò)U-Net是一種在醫(yī)學(xué)圖像分析領(lǐng)域廣泛應(yīng)用的先進(jìn)分割算法。有研究提出一種多通道壓縮和激勵（squeeze and excitation，SE）模塊，通過整合空間和多通道相關(guān)性提升性能[6]。SE模塊學(xué)習(xí)通道特定描述算子并重新校準(zhǔn)特征圖，以重點關(guān)注更重要的通道，見圖3A。本研究利用U-Net網(wǎng)絡(luò)框架，加入SE模塊以提升圖像分割效能，見圖3B；進(jìn)一步在U-Net框架內(nèi)增加空間和多通道SE模塊（spatial and channel SE，scSE），其特性是可分別沿空間和通道重新校準(zhǔn)特征圖。本研究提出的scSE U-Net分割模型可應(yīng)用于3個位置（即正位、側(cè)位和斜位）拍攝的腰椎X射線圖像。首先用于分割腰椎的解剖特征，如椎體、骨盆、棘突、椎間孔和骶椎。然后在獲得的腰椎分割掩模范圍內(nèi)，自動識別腰椎的解剖特征。在U-Net的編碼器和解碼器之后集成SE模塊。假設(shè)一個輸出特征圖M∈RH×W×C，其中H、W和C分別是空間高度、寬度和輸出通道。是SE模塊重新校準(zhǔn)的特征圖，用于后續(xù)的池化層。組合兩個SE模塊，一個空間SE模塊（空間壓縮，sSE）和一個通道SE模塊（多通道壓縮，cSE）；組合SE模塊表示為scSE模塊，見圖3B[7]。在sSE模塊中，特征圖沿著通道被壓縮并在空間上激發(fā)。對于cSE模塊，空間壓縮由全局平均池層執(zhí)行。最后，生成的模塊在空間和通道上都進(jìn)行重新校準(zhǔn)，可執(zhí)行顆粒度較小的分割任務(wù)。AI分割算法基于Python 3.6和Pytorch 1.2實現(xiàn)。

圖3 空間信息與通道壓縮-激勵U-Net網(wǎng)絡(luò)結(jié)構(gòu)示意圖

1.4 圖像評價標(biāo)準(zhǔn)

本研究開發(fā)一種基于AI分割模型的自動評價系統(tǒng)。圖像評價參照定義標(biāo)準(zhǔn)，由3位技師對所有圖像進(jìn)行人工評分[4-5]。對所有評分合格的圖像進(jìn)行定量分析和計算，得出重要解剖位置判斷的閾值范圍。當(dāng)判斷第3腰椎是否有雙邊影時，根據(jù)雙邊影面積占整個第3腰椎面積的比例，結(jié)合人工評分。當(dāng)該比值在某一確定的范圍內(nèi)，則判斷為沒有肉眼可見的明顯雙邊影。在正位片中，當(dāng)判斷棘突是否位于中央時，本研究把所有棘突連成一條線，得到棘突的平均位置，再結(jié)合人工評分，在某一特定范圍內(nèi)判斷該棘突位于中央位置。對是否能在斜位片上看出“小狗”的特征形狀，本研究將所有能看到“小狗”形狀的下關(guān)節(jié)圖連成線，然后判斷其在整個錐體的位置，見圖2B。所有能看到“小狗”形狀的合格圖像納入運算，最后得出一個合理的范圍。在該范圍內(nèi)，判定其具有“小狗”特征形狀。本研究設(shè)立的主觀和客觀評價標(biāo)準(zhǔn)見表1。

表1 腰椎X射線主觀和客觀評價標(biāo)準(zhǔn)

2 結(jié)果

2.1 分割及分類結(jié)果

AI算法對正位、側(cè)位及斜位圖像分割速度分別為0.38、0.37及0.34s/幅。AI模型在驗證集上的分割結(jié)果見表2；模型在驗證集上的準(zhǔn)確性、敏感度、特異性結(jié)果見表3。

表2 scSE U-Net模型的分割性能

表3 AI質(zhì)控模型在驗證集上不同體位的評估效能

2.2 質(zhì)控模型效果評價

從訓(xùn)練集獲得的最終模型應(yīng)用于驗證集，模型自動評價結(jié)果見表3，定量評價的閾值基于人工評分，見表1。在正位片，當(dāng)棘突中心點位0.4～0.6時，棘突被評判位于脊柱中間。在正位和側(cè)位片，如果雙邊影面積與L3面積的比值為0～0.21，則判斷第3腰椎無雙邊影。在斜位片中，當(dāng)下關(guān)節(jié)突位置的閾值為0.265～0.365時，判定可看到“小狗”特征。對其他關(guān)鍵解剖特征，如骨盆、椎間孔、骶骨，只要能在圖像中識別出并分割出，即認(rèn)為模型分割是有效的。根據(jù)標(biāo)準(zhǔn)，每個體位可見的椎體都應(yīng)該是7個。>7個則表示攝影范圍過大，<7個表示攝影范圍過小。3個不同位置的腰椎X射線圖像舉例見圖4。

圖4 腰椎X射線質(zhì)控模型對圖像的評價

2.3 模型應(yīng)用

第一步利用DR對患者腰椎進(jìn)行攝影，獲得正位、側(cè)位、斜位的圖像。第二步將圖像傳輸?shù)奖狙芯拷⒌馁|(zhì)量控制模型的AI服務(wù)器；AI服務(wù)器對圖像進(jìn)行檢測、分割和評價。第三步將評價結(jié)果呈現(xiàn)在后處理工作站上。第四步，放射技師根據(jù)質(zhì)量控制評價結(jié)果及時檢查圖像。如發(fā)現(xiàn)不合格的圖像則重新拍攝。本研究的質(zhì)控模型投入使用后，回顧性統(tǒng)計2022年度放射科腰椎X射線攝影圖像質(zhì)控結(jié)果。質(zhì)控模型可自定義合格分值及各個分項質(zhì)控的扣分配置。本次統(tǒng)計分析中，≥90分設(shè)定為優(yōu)秀，≥70分設(shè)定為中等，<70分設(shè)定為不合格。腰椎X射線正位攝影評分均值為82.1分，側(cè)位為84.9分，斜位為50.9分。此外模型可統(tǒng)計各個機房和各個技師的圖像質(zhì)量，有助于及時定點反饋信息，控制圖像質(zhì)量，見表4。

表4 2022年度放射科腰椎X射線攝影分項質(zhì)控結(jié)果統(tǒng)計

3 討論

本研究采用基于scSE U-Net架構(gòu)的深度學(xué)習(xí)方法，建立腰椎X射線圖像質(zhì)量控制模型，自動評價圖像質(zhì)量。該模型從3個體位準(zhǔn)確識別并分割出腰椎的關(guān)鍵解剖位置，并結(jié)合人工分析計算出合理的閾值范圍，根據(jù)攝影標(biāo)準(zhǔn)評價拍攝后的圖像質(zhì)量，判斷圖像是否合格。

本研究中對驗證集中患者圖像質(zhì)量分析結(jié)果顯示，無論是人工評價還是AI智能評價，圖像質(zhì)量的合格率都很低（6.9%和8.2%），因此，規(guī)范腰椎X射線攝影技術(shù)很有必要。大多數(shù)不合格的圖像是因圖像中椎體數(shù)目超過7個。根據(jù)正常生理解剖，腰椎個數(shù)為5個，因此，當(dāng)圖像中的椎體數(shù)>5時，說明實際拍攝范圍過大。AI質(zhì)控系統(tǒng)投入使用后，這項評分標(biāo)準(zhǔn)與本研究對2022年的質(zhì)控評價一致，攝影范圍不規(guī)范（椎體數(shù)量不合格）導(dǎo)致的扣分例數(shù)占比高達(dá)47.1%～75.7%，其中斜位攝影需要特別注意。由于通過特征很難識別斜位腰椎的“小狗”特征形狀，本研究通過替換法取得較好結(jié)果。根據(jù)2022年腰椎X射線攝像AI質(zhì)控結(jié)果，“小狗”特征未顯示的扣分例數(shù)占43.3%，因此，有必要對斜位攝影技術(shù)進(jìn)行強化培訓(xùn)。高質(zhì)量的醫(yī)學(xué)影像圖像可提高臨床診斷的及時性和準(zhǔn)確性[8-11]。有研究顯示，成人和兒童頸椎檢查的不合格率為（57.1±0.7）%，暴露過度和患者體位不當(dāng)是常見的原因，與本研究結(jié)果一致[12]。

本研究存在一定的局限性：①沒有對含有金屬等異物的圖像進(jìn)行分割和檢測，微小的外部或內(nèi)部異物很容易被忽視；②未涉及機器本身成像質(zhì)量的檢測，無法對分辨率、信噪比等提出建議。本研究提出的腰椎X射線AI質(zhì)控模型將規(guī)范化的攝片標(biāo)準(zhǔn)進(jìn)行量化，該模型在臨床實踐中的成功應(yīng)用，將規(guī)范和提高技師攝片水平，減少經(jīng)濟成本，提高科室管理水平，在提高擺位技術(shù)的同時降低患者的輻射劑量，具有較高的臨床應(yīng)用價值。