基于深度學(xué)習(xí)的胸片心臟增大判定研究

潘亞玲 陳橋然 王晗琦 陳彤彤 嚴(yán)福華 陸 勇

胸片成本低、輻射小，常用于心胸疾病篩查、術(shù)前評(píng)估及隨訪[1]。心胸比率（cardiothoracic ratio，CTR）是胸片衡量心臟大小的重要指標(biāo)，成人CTR＞0.5，視為心臟增大[2]。目前醫(yī)師主要借助筆尺或PACS 系統(tǒng)測(cè)量CTR，兩者均需手動(dòng)操作，人工判定心臟增大。近年來，深度學(xué)習(xí)技術(shù)迅速發(fā)展，已在肺結(jié)節(jié)影像診斷領(lǐng)域取得顯著進(jìn)展[3]。本研究旨在利用深度學(xué)習(xí)技術(shù)實(shí)現(xiàn)CTR 自動(dòng)測(cè)量，評(píng)價(jià)自動(dòng)測(cè)量與手動(dòng)測(cè)量CTR 的相關(guān)性和一致性，比較自動(dòng)測(cè)量、手動(dòng)測(cè)量、肉眼觀察三種方法判定心臟增大所用時(shí)間和準(zhǔn)確性差異。

方 法

1.臨床資料

回顧性分析本院2018 年1 月至6 月符合以下標(biāo)準(zhǔn)的健康體檢者。納入標(biāo)準(zhǔn)：①體檢行胸部X 線檢查；②年齡＞18 歲。排除標(biāo)準(zhǔn)：①胸片存在明顯金屬偽影；②有肺葉/肺段切除手術(shù)史；③胸片顯示重度胸腔積液、完全性肺不張、彌漫性肺部嚴(yán)重滲出。1312例胸部X 線攝片納入研究。對(duì)全部數(shù)據(jù)脫敏并重新編號(hào)，標(biāo)注肺野和心臟輪廓后，將其隨機(jī)分為訓(xùn)練數(shù)據(jù)集（881 例）、驗(yàn)證數(shù)據(jù)集（221 例）和測(cè)試數(shù)據(jù)集（210 例）

2.X 線檢查方法

X 線攝片采用美國(guó)飛利浦DR 機(jī)行吸氣后屏氣曝光，拍攝立位后前位胸片，拍攝距離180cm，投照電壓81kV， 管電流2.85mA，曝光時(shí)間＜0.01 秒。

3.CTR 自動(dòng)測(cè)量

Mask R-CNN[4]深度卷積網(wǎng)絡(luò)是目前最高水平的實(shí)例分割算法，是在Faster R-CNN 深度卷積網(wǎng)絡(luò)的基礎(chǔ)上融合了全卷積網(wǎng)絡(luò)(fully convolutional networks， FCN) 和特征金字塔網(wǎng)絡(luò)（feature pyramid networks，F(xiàn)PN）思想的一種多任務(wù)深度神經(jīng)網(wǎng)絡(luò)。Mask R-CNN 有兩個(gè)階段，第1 階段，Mask R-CNN 的主干網(wǎng)絡(luò)（ResNet 101 和FPN）提取胸片的特征圖，利用區(qū)域建議網(wǎng)絡(luò)（region proposal network， RPN）生成目標(biāo)的建議框，篩選建議框得到感興趣區(qū)（region of interest， ROI）；第2 階段，利用卷積神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)每個(gè)ROI 的類別、邊界，并行輸出邊界的二值掩膜，用以描述目標(biāo)的像素級(jí)分割結(jié)果。通過訓(xùn)練數(shù)據(jù)集訓(xùn)練Mask R-CNN深度卷積網(wǎng)絡(luò)檢測(cè)、分割肺野和心臟，驗(yàn)證數(shù)據(jù)集調(diào)整、優(yōu)化網(wǎng)絡(luò)參數(shù)。基于網(wǎng)絡(luò)分割的肺野和心臟輪廓（圖1），分別確定肺野和心臟輪廓各點(diǎn)在胸片坐標(biāo)系上的坐標(biāo)值。心臟最大橫徑是胸廓中線分別至左、右心緣的最大距離之和，等于心臟輪廓在胸片坐標(biāo)系中最大橫坐標(biāo)值與最小橫坐標(biāo)值之間的差值；胸廓最大橫徑是最大胸廓處的肋骨內(nèi)緣間距，等于肺野輪廓在胸片坐標(biāo)系中所有同一橫坐標(biāo)軸上的最大橫坐標(biāo)值與最小橫坐標(biāo)值之間差值中的最大值。計(jì)算心臟最大橫徑與胸廓最大橫徑之比得到CTR[5]。設(shè)定CTR＞0.5 為心臟增大，CTR ≤0.5 為心臟大小正常。

4.評(píng)價(jià)方法

對(duì)測(cè)試數(shù)據(jù)集胸片分別采用自動(dòng)測(cè)量、肉眼觀察、手動(dòng)測(cè)量三種方法判定心臟增大。測(cè)試Mask R-CNN深度卷積網(wǎng)絡(luò)分割肺野和心臟的準(zhǔn)確性，并記錄自動(dòng)測(cè)量所得CTR 值和心臟增大判定結(jié)果。2 名高年資放射診斷醫(yī)師在盲法狀態(tài)下于同一PACS 工作站，采用肉眼觀察法獨(dú)立判定心臟增大。若2 名醫(yī)師判定結(jié)果不一致，則以原先影像報(bào)告中的判定結(jié)果為準(zhǔn)。間隔1 個(gè)月后，打亂胸片編號(hào)，2 名醫(yī)師再次于同一PACS 工作站雙盲手動(dòng)測(cè)量CTR，以兩者CTR 均值判定心臟增大。使用秒表分別記錄自動(dòng)測(cè)量、肉眼觀察、手動(dòng)測(cè)量判定心臟增大的所用時(shí)間。

5.統(tǒng)計(jì)分析

采用SPSS 22.0 軟件統(tǒng)計(jì)分析。計(jì)量資料用x±s表示。采用Pearson 相關(guān)與Bland-Altman 分析自動(dòng)測(cè)量與手動(dòng)測(cè)量CTR 的相關(guān)性和一致性。以手動(dòng)測(cè)量為判定標(biāo)準(zhǔn)，計(jì)算自動(dòng)測(cè)量、肉眼觀察判定心臟增大以及Mask R-CNN 深度卷積網(wǎng)絡(luò)分割肺野和心臟的靈敏度、特異度及準(zhǔn)確度。采用Kappa 檢驗(yàn)分別分析自動(dòng)測(cè)量、肉眼觀察與手動(dòng)測(cè)量判定心臟增大的一致性，κ=1 為完全一致，κ＞0.75 為一致性較好，0.4 ≤κ ≤0.75 為一致性中等，κ＜0.4 為一致性差。判定心臟增大所用時(shí)間兩兩比較采用LSD檢驗(yàn)。以P＜0.05 為差異有統(tǒng)計(jì)學(xué)意義。

結(jié) 果

1.胸片伴隨征象及Mask R-CNN 深度卷積網(wǎng)絡(luò)的分割效能

測(cè)試胸片共210 例，除心臟增大外，伴隨肺內(nèi)、肺外其他征象的胸片分別有65 例和106 例。Mask R-CNN 深度卷積網(wǎng)絡(luò)基于測(cè)試胸片分割肺野和心臟的準(zhǔn)確度均＞98%， 其中分割心臟的特異度（88.99%）低于肺野（95.48%），見表1。

表1 胸片伴隨征象及Mask R-CNN 深度卷積網(wǎng)絡(luò)的分割效能

表2 自動(dòng)測(cè)量、手動(dòng)測(cè)量及肉眼觀察對(duì)心臟增大的判定結(jié)果和所用時(shí)間

表3 自動(dòng)測(cè)量與肉眼觀察對(duì)心臟增大的判定效能

圖1 Mask R-CNN 深度卷積網(wǎng)絡(luò)對(duì)肺野（綠色）和心臟（黃色）的分割結(jié)果（A）CTR的測(cè)量徑線（B）a+b 為心臟最大橫徑，c 為胸廓最大橫徑，0.44 為CTR。

2.自動(dòng)測(cè)量與手動(dòng)測(cè)量CTR 的相關(guān)性及一致性

自動(dòng)測(cè)量與手動(dòng)測(cè)量CTR分別為0.514±0.080，0.506±0.078。Pearson 相關(guān)分析顯示自動(dòng)測(cè)量與手動(dòng)測(cè)量CTR 呈強(qiáng)相關(guān)性（r=0.976，P＜0.001）。自動(dòng)測(cè)量與手動(dòng)測(cè)量CTR 的線性回歸方程為CTR（Y=0.016+0.955X，P＜0.001）( 圖2A)。Bland-Altman 分析顯示自動(dòng)測(cè)量與手動(dòng)測(cè)量CTR 的差值均數(shù)為0.008，95%一致性界限為（-0.027，0.042），93.33%（196/210) 的點(diǎn)在一致性界限內(nèi)(圖2B)。

圖2 自動(dòng)測(cè)量與手動(dòng)測(cè)量CTR 的散點(diǎn)圖（A）和Bland-Altman圖（B）。

3.自動(dòng)測(cè)量、手動(dòng)測(cè)量及肉眼觀察對(duì)心臟增大的判定結(jié)果和所用時(shí)間

自動(dòng)測(cè)量、手動(dòng)測(cè)量及肉眼觀察對(duì)心臟增大的判定結(jié)果和所用時(shí)間(表2)。自動(dòng)測(cè)量與手動(dòng)測(cè)量判定心臟增大的一致性較好（κ=0.895，P＜0.001），而肉眼觀察與手動(dòng)測(cè)量判定心臟增大的一致性中等（κ=0.667，P＜0.001）。自動(dòng)測(cè)量、手動(dòng)測(cè)量、肉眼觀察判定心臟增大所用時(shí)間分別為5.62 秒/例、9.81 秒/例、2.57 秒/例， 兩兩間比較差異均有統(tǒng)計(jì)學(xué)意義（P＜0.001）。

4.自動(dòng)測(cè)量與肉眼觀察對(duì)心臟增大的判定效能

以手動(dòng)測(cè)量為心臟增大的判定標(biāo)準(zhǔn)，自動(dòng)測(cè)量判定心臟增大的靈敏度、特異度及準(zhǔn)確度分別為99.03%、90.65%、94.76%，均高于肉眼觀察法（85.44%、81.31%、83.33%），見表3。

討 論

本研究中，肺野和心臟分割是深度學(xué)習(xí)自動(dòng)測(cè)量CTR 的前提。Mask R-CNN 深度卷積網(wǎng)絡(luò)可基于體檢胸片精準(zhǔn)分割肺野和心臟，分割的準(zhǔn)確度均大于98%，優(yōu)于研究報(bào)道的結(jié)果[6]。Mask R-CNN 深度卷積網(wǎng)絡(luò)分割心臟的特異度低于肺野，這可能與心臟上下界在胸片上顯示不確切有關(guān)。研究[6]提出僅分割肺野，測(cè)量?jī)煞我皟?nèi)緣之間的最大距離作為心臟最大橫徑計(jì)算CTR，可以規(guī)避心臟分割效果不理想的情況。本研究結(jié)果顯示Mask R-CNN 深度卷積網(wǎng)絡(luò)自動(dòng)測(cè)量與醫(yī)師借助PACS 系統(tǒng)手動(dòng)測(cè)量CTR 具有強(qiáng)相關(guān)性（r=0.976，P＜0.001）。 Bland-Altman分析顯示自動(dòng)測(cè)量與手動(dòng)測(cè)量CTR 的差值均數(shù)為0.008，約93.33%的點(diǎn)在一致性界限內(nèi)，兩者測(cè)量CTR 的相差幅度很小，具有較好的一致性。因此，利用Mask R-CNN 深度卷積網(wǎng)絡(luò)分割肺野和心臟，能夠?qū)崿F(xiàn)體檢胸片CTR 的自動(dòng)精確測(cè)量。

在實(shí)際臨床工作中，絕大多數(shù)醫(yī)師為節(jié)省讀片時(shí)間，一般僅憑肉眼觀察判定心臟增大。本研究以手動(dòng)測(cè)量為心臟增大判定標(biāo)準(zhǔn)，發(fā)現(xiàn)肉眼觀察與手動(dòng)測(cè)量判定心臟增大的一致性中等（κ=0.667），而自動(dòng)測(cè)量與手動(dòng)測(cè)量判定心臟增大的一致性較好（κ=0.895）。肉眼觀察判定心臟增大缺乏客觀性，而自動(dòng)測(cè)量與手動(dòng)測(cè)量CTR 判定心臟增大不受主觀因素影響，還能夠定量反映心臟增大的程度。研究[7]表明CTR＞0.55 時(shí)先心病患者的死亡風(fēng)險(xiǎn)是CTR ＜0.48 患者的8 倍。Chana 等[8]研究顯示CTR＞0.5 預(yù)測(cè)左、右心室功能不全的靈敏度和特異度分別為73.9%和47.4%。Yotsueda 等[9]的多中心大樣本前瞻性隊(duì)列研究表明CTR 增大是血液透析患者死亡的獨(dú)立危險(xiǎn)因素，會(huì)增加心血管疾病的發(fā)生風(fēng)險(xiǎn)。盡管CTR 對(duì)預(yù)測(cè)心臟功能不全有一定局限性，但目前CTR 仍然是胸片診斷心臟增大、評(píng)估心血管疾病的重要指標(biāo)。因此，相較于肉眼觀察，精確測(cè)量CTR 評(píng)價(jià)心臟大小對(duì)心臟病變篩查和預(yù)后評(píng)估更具臨床價(jià)值。

基于深度學(xué)習(xí)自動(dòng)判定心臟增大的研究思路主要分為兩類：①用肺野或心臟的標(biāo)注數(shù)據(jù)訓(xùn)練深度學(xué)習(xí)分割模型，基于分割結(jié)果測(cè)量相關(guān)參數(shù)如心胸面積比（cardiothoracic area ratio，CTAR）和CTR，間接判定心臟增大；②用正常和心臟增大的標(biāo)注數(shù)據(jù)訓(xùn)練深度學(xué)習(xí)分類模型，直接判定心臟增大。Hasan 等[10]提出基于部分肺野和心臟的分割結(jié)果測(cè)量CTAR 判定心臟增大，但心臟與膈肌的分界在胸片上通常顯示不確切，容易造成標(biāo)注的心臟下界出現(xiàn)誤差。理論上，相較于心臟和肺野面積，心臟和胸廓最大橫徑對(duì)分割精度的依賴性更低。因此，CTR 較CTAR 對(duì)深度學(xué)習(xí)模型分割肺野和心臟的容錯(cuò)率更高。Dallal 等[11]采用圖割（graph-cut）算法分割肺野，通過Harris 角點(diǎn)算法在分割的肺野邊緣檢測(cè)與心臟邊界相關(guān)的角點(diǎn)來確定心臟邊界，該方法測(cè)量CTR 和CTAR 的平均誤差率分別為7.9%和26.4%。Cicero 等[12]通過語(yǔ)義分析法在影像報(bào)告中提取“心臟增大”關(guān)鍵詞，以關(guān)鍵詞作為分類標(biāo)簽訓(xùn)練的GoogLeNet 模型，判定心臟增大的靈敏度和特異度分別為81%、80%。提取影像報(bào)告關(guān)鍵詞作為分類標(biāo)簽較人工標(biāo)注可以大幅度降低標(biāo)注成本。然而，有些影像報(bào)告中心臟增大的判定結(jié)果是僅憑肉眼觀察獲得的。本研究結(jié)果顯示肉眼觀察判定心臟增大的準(zhǔn)確度為83.33%。因此，影像報(bào)告中關(guān)鍵詞本身尚不夠精確，加之語(yǔ)義分析法提取關(guān)鍵詞存在一定誤差，可能會(huì)直接影響深度學(xué)習(xí)分類模型訓(xùn)練和測(cè)試結(jié)果的準(zhǔn)確性。

本研究利用Mask R-CNN 深度卷積網(wǎng)絡(luò)分割肺野和心臟，基于分割結(jié)果測(cè)量CTR，自動(dòng)判定心臟增大的準(zhǔn)確度為94.76%，所用時(shí)間為5.62 秒/例，而醫(yī)師借助PACS 手動(dòng)測(cè)量CTR 判定心臟增大所用時(shí)間為9.81 秒/例。因此，基于Mask R-CNN 深度卷積網(wǎng)絡(luò)自動(dòng)測(cè)量CTR 能夠準(zhǔn)確判定心臟增大，有效避免重復(fù)的手動(dòng)操作，且所用時(shí)間短，適用于實(shí)時(shí)的臨床診斷環(huán)境。

本研究存在一定的局限性。Mask R-CNN 深度卷積網(wǎng)絡(luò)的訓(xùn)練和測(cè)試數(shù)據(jù)均為體檢胸片，因此可能不適于測(cè)量住院患者的胸片CTR。尤其當(dāng)住院患者的胸片存在大面積胸腔積液、完全性肺不張、彌漫性肺部嚴(yán)重滲出時(shí)，會(huì)導(dǎo)致肺野或心臟的邊界非常模糊甚至肉眼難以分辨，給深度學(xué)習(xí)分割肺野和心臟帶來巨大挑戰(zhàn)。綜上所述，基于深度學(xué)習(xí)自動(dòng)測(cè)量與手動(dòng)測(cè)量CTR 具有強(qiáng)相關(guān)性和較好的一致性。利用深度學(xué)習(xí)技術(shù)自動(dòng)測(cè)量CTR 可快速、準(zhǔn)確地判定胸片心臟增大，為胸部X線體檢心臟病變篩查提供有效途徑。