CT成像劑量對人工智能算法性能的影響分析

中國食品藥品檢定研究院 醫(yī)療器械檢定所，北京 102629

引言

近年來，人工智能算法在圖像處理方面的研究進展迅速[1-3]，推動醫(yī)學影像分析的飛速發(fā)展，在醫(yī)學影像的輔助探測、輔助診斷、輔助分診等方面的應用也不斷取得突破。在胸部CT方面，人工智能算法主要的預期用途包括肺結(jié)節(jié)的檢出/分類/測量等[4-5]，有助于為肺癌的早期篩查與診斷提供線索。我國肺癌的發(fā)病率高，防治壓力大，對肺癌的早期篩查、早期診斷需要投入大量人力、財力和時間。人工智能算法有望大幅節(jié)省公共衛(wèi)生投入，同時降低患者輻射風險，具有重要的現(xiàn)實意義和應用價值。

然而，我國幅員遼闊、地區(qū)差異和醫(yī)療水平差異顯著，需要避免人工智能算法在不同地區(qū)、不同醫(yī)院出現(xiàn)重大性能波動或“水土不服”的風險[6]。這需要對算法的魯棒性進行考量，對造成算法性能波動的各種因素進行觀測和分析，進而在研發(fā)階段解決算法過擬合等問題，提升產(chǎn)品質(zhì)量。

成像過程中的劑量是影響人工智能算法性能的重要潛在因素之一。一般來說，輻射劑量與CT圖像質(zhì)量和患者的輻射風險都有緊密聯(lián)系，而臨床對于輻射劑量沒有統(tǒng)一要求。近幾年來，我國大力推進肺癌高危人群進行胸部低劑量 CT（Low-Dose Computed Tomography，LDCT） 篩 查[7]，與常規(guī)CT檢查相比，LDCT的管電流僅為20～50 mAs，能夠使患者所受的X射線照射劑量下降80%或更多，大大減少X射線對人體可能造成的損傷[8-9]。從人工閱片的角度來看，國內(nèi)多個研究團隊已經(jīng)開展了LDCT診斷肺結(jié)節(jié)的研究[10-11]，證明LDCT具備準確檢出肺結(jié)節(jié)的可行性，也有國外研究表明[12]，當肺結(jié)節(jié)直徑>5 mm時，LDCT對其檢出率與常規(guī)劑量CT之間的差異無統(tǒng)計學意義。從人工智能算法閱片的角度，成像劑量對于算法性能的影響尚不明確，有待研究。本文結(jié)合試驗測量和仿真模擬，對此問題進行探討。

1 試驗方法

1.1 試驗思路

目前，對于人工智能算法的性能評價多采用“黑盒”測試的方式，即向人工智能算法的輸入端輸入已知結(jié)果的數(shù)據(jù)，觀察輸出端給出的結(jié)果情況。研究輻射劑量對算法性能的影響，一種思路是招募同一批患者接受多次不同劑量的CT檢查，得到一系列CT影像作為算法的輸入，對比輸出結(jié)果，但會對患者造成較大的輻射傷害。另一種思路是隨機選取常規(guī)劑量和低劑量條件下的不同病例進行對照，但不同病例之間的肺結(jié)節(jié)數(shù)量、分布、類型都不盡相同，代表的人群和患病率難以一致。

基于以上考慮，本次試驗的技術路線是在同一批常規(guī)劑量的臨床CT影像上疊加噪聲，模擬對應的低劑量CT影像，從而比對人工智能算法的處理結(jié)果，設計思路，見圖1。

圖1 試驗思路

1.2 體模試驗

模擬低劑量CT影像首先需要獲取先驗的圖像噪聲水平，因此本試驗的第一步是通過體模試驗采集噪聲數(shù)據(jù)。

峰值信噪比（Peak Signal-To-Noise Ratio，PSNR）常用于評價圖像的重建質(zhì)量，是衡量圖像噪聲水平的客觀標準[13]，圖像間的PSNR值越大，二者越相似。開展體模試驗的目的正是要通過使用不同劑量對體模進行成像，計算系列影像間的PSNR值，為模擬仿真提供依據(jù)。在管電壓為120 kV的設置下，使用64排CT對模擬人體軀干的組織等效固體水模（密度1.03 g/cm3）進行了不同管電流曝光條件（均采用肺算法）的拍攝，以230 mA管電流曝光圖像作為參考，其他管電流曝光圖像的PSNR值，見圖2。

圖2 不同管電流下水模影像的PSNR

1.3 仿真試驗

選取113例管電流在200～300 mA間的常規(guī)劑量胸部CT影像作為原始影像，通過研究Chang等[14]和Li等[15]提出的DICOM圖像處理方法，向原始影像中添加不同幅度的高斯白噪聲，生成5組模擬影像，每組依然113例CT影像，分別計算各組的平均PSNR值（參比原始影像），結(jié)合體模試驗的結(jié)果，確定模擬的管電流范圍。將模擬影像輸入肺結(jié)節(jié)輔助檢測人工智能算法進行計算，觀察召回率和精確度的變化。

召回率和精確度是評價肺結(jié)節(jié)輔助檢測人工智能算法性能方面較為重要的兩個指標，可以很好的反應人工智能算法在臨床使用場景下性能的好壞。根據(jù)算法輸出結(jié)節(jié)預測結(jié)果的方式，做如下定義：某一層預測中心點處于金標準結(jié)節(jié)內(nèi)視為檢出[16]。金標準中未被配對的結(jié)節(jié)，判為漏診；預測結(jié)果中未被配對的結(jié)節(jié)，判為假陽。檢出即算法檢出的真肺結(jié)節(jié)，總數(shù)記為TP；假陽即算法檢出的“假”肺結(jié)節(jié)，總數(shù)記為FP；漏診即算法漏診的真肺結(jié)節(jié)，總數(shù)記為FN。召回率和精確度的計算公式見公式(1)～(2)：

2 試驗結(jié)果

2.1 模擬影像PSNR情況

5組模擬影像的平均PSNR如圖3所示，通過對比圖2可知，本次模擬仿真生成影像的管電流范圍至少包括10～150 mA，噪聲水平是科學合理的。

圖3 5組模擬影像的平均PSNR

選取1例CT影像的同一層進行人工觀察，圖像質(zhì)量的變化如圖4所示。

圖4 5組模擬影像與原始影像的對比

2.2 人工智能算法測試結(jié)果變化情況

與原始影像的測試結(jié)果相比，測試模擬影像的召回率、精確度變化情況如圖5所示。

對于PSNR越小的影像，人工智能算法性能的波動越大，進行歸一化計算后，召回率相對下降的最大幅度是73.2%，精確度相對下降的最大幅度是70.2%，如此大的性能波動在臨床使用過程中無疑會存在較大的潛在風險。說明成像劑量在影響圖像質(zhì)量的同時，能顯著影響人工智能算法的性能，建議在研發(fā)階段提高算法的泛化能力。通過分析輸出結(jié)果中的像素坐標，我們可以進一步看到某一病例的具體結(jié)果，示例見圖6，圖6中左側(cè)實線圓圈標出的是原始影像中人工智能算法檢出的肺結(jié)節(jié)，右側(cè)模擬影像中，同一結(jié)節(jié)依然可見（虛線圓圈標出），但并沒有被檢出，這也印證了算法總體性能指標的下降。

圖5 召回率、精確度的變化

圖6 原始影像和模擬影像中結(jié)節(jié)檢出的變化

3 總結(jié)

本次試驗通過數(shù)學物理方法，模擬生成了不同成像劑量下的肺部CT影像，使用這些模擬影像測試了人工智能算法的性能，總的來看，低劑量CT影像在圖像質(zhì)量方面有所下降，算法性能也出現(xiàn)了大幅下降，出現(xiàn)多個結(jié)節(jié)未被檢出情況。未來人工智能算法的應用場景可能很大一部分是沒有足夠醫(yī)師資源的基層醫(yī)療機構以及體檢機構，相信隨著LDCT的推廣，這些基層醫(yī)療機構也將會是肺癌篩查的主要場所。建議各制造商在開發(fā)階段能夠提高低劑量CT影像在訓練集中的比例，從而加強算法對于低劑量CT影像的表現(xiàn)，提高效率的同時更加保證有效性。同時，本次試驗使用數(shù)學物理方法對現(xiàn)有數(shù)據(jù)集進行科學、合理的變換，生成符合臨床真實情況的模擬數(shù)據(jù)，也是對客觀評價人工智能算法性能的一次有益探索，為臨床前質(zhì)量評價提供了新思路。