3D U-net應(yīng)用于鼻咽癌危及器官自動分割的研究

王繼平，李 鑫，陳傳喜，楊志勇，常敦瑞，章 樺，王 萍

（1.長江大學(xué)附屬黃岡市中心醫(yī)院腫瘤中心，湖北黃岡 438000；2.宜昌市第二人民醫(yī)院腫瘤放射治療科，湖北宜昌 443000；3.北京連心醫(yī)療科技有限公司研發(fā)中心，北京 100085）

0 引言

調(diào)強(qiáng)放療技術(shù)可在靶區(qū)周圍形成緊密的劑量梯度，有助于提高鼻咽癌放療劑量分布的適形性[1-3]，成為鼻咽癌治療的首選。鼻咽部的解剖結(jié)構(gòu)特殊，鄰近周圍重要器官眾多，需要放療醫(yī)師逐個準(zhǔn)確勾畫，工作量大，且都是重復(fù)性的工作。而在分次治療過程中，有些患者會出現(xiàn)體質(zhì)量減輕、腫瘤收縮、組織水腫等現(xiàn)象，導(dǎo)致其鼻咽部解剖結(jié)構(gòu)形變[4-5]。為保證放療的質(zhì)量，對這類患者需要重新定位、設(shè)計(jì)計(jì)劃，醫(yī)師需要再次勾畫靶區(qū)和危及器官，加重了臨床醫(yī)師的工作任務(wù)。因此，當(dāng)前國內(nèi)外越來越多的研究聚焦于頭頸部危及器官的自動勾畫[6-8]。自動勾畫主要是機(jī)器學(xué)習(xí)[9]、深度學(xué)習(xí)[9]等在放療軟件方面的應(yīng)用，深度學(xué)習(xí)以卷積神經(jīng)網(wǎng)絡(luò)[10]為代表，展現(xiàn)了強(qiáng)大的學(xué)習(xí)能力，在放療的靶區(qū)勾畫和分割等方面具有巨大的應(yīng)用前景。本研究擬基于3D U-net提出一種自動分割模型，分析其勾畫的精度和效率，探討放射治療自動化流程的可行性。

1 3D U-net勾畫簡介

本研究所用的3D U-net分割網(wǎng)絡(luò)是在2D U-net的編碼-解碼分割網(wǎng)絡(luò)架構(gòu)的基礎(chǔ)上改進(jìn)而來。該網(wǎng)絡(luò)的編碼部分由7次下采樣的擴(kuò)張卷積塊組成，而解碼部分則相應(yīng)地由7次擴(kuò)張反卷積塊的上采樣組成，其基本框架結(jié)構(gòu)如圖1所示。

圖1 基于3D U-net的自動分割框架

在3D編碼部分，使用大小為3×3×3的卷積核進(jìn)行特征圖的特征融合，并級聯(lián)使用大小為1×2×2的池化核進(jìn)行降采樣池化操作，通過3次最大池化操作，使輸入CT影像的水平面分辨力大小降采樣為原來的八分之一的同時保持軸向分辨力不變。而在解碼部分，使用3D反卷積模塊逐級還原圖像的水平面分辨力直到恢復(fù)為原始影像大小，并且每個反卷積模塊后級聯(lián)與編碼部分相同的卷積模塊對每步上采樣后的特征圖進(jìn)行局部特征融合。3D分割網(wǎng)絡(luò)中所有的卷積層操作都跟隨一個可縮放指數(shù)線性激活單元（scaled exponential linear unit，SELU）以增加網(wǎng)絡(luò)的非線性特征學(xué)習(xí)。在網(wǎng)絡(luò)的訓(xùn)練方面，本研究使用Adam優(yōu)化器對Dice損失函數(shù)進(jìn)行優(yōu)化，網(wǎng)絡(luò)的初始學(xué)習(xí)率為0.001。

Dice損失函數(shù)定義如下：

式中，SDSC為戴斯相似性系數(shù)（Dice similarity coefficient，DSC），定義如下：

式中，VA為手工勾畫危及器官的體積；VB為自動分割危及器官的體積；VA∩VB為自動分割與手工勾畫重合的體積。若VA和VB完全相交，則DSC為1；若VA和VB完全不相交，則DSC為0。DSC值越大表明自動分割的危及器官結(jié)果與手動勾畫的危及器官結(jié)果越相近。

2 資料與方法

2.1 病例資料與勾畫方法

病例資料：選取2017年7月至2019年5月在我院放療中心接受放療的58例鼻咽癌患者的CT定位圖像，導(dǎo)入連心智能放療云平臺。定位時所有患者體位采用仰臥位，雙上肢依據(jù)定位板擺放，自然平放至身體兩側(cè)，選擇C枕托，以頭頸肩膜固定。患者自由呼吸，采用GE LightSpeed 128排螺旋CT行靜脈成像增強(qiáng)掃描，掃描范圍從頭頂至鎖骨下2 cm，掃描層厚為3 mm，將掃描得到的CT圖像傳輸至我科Pinnacle39.10計(jì)劃系統(tǒng)。

勾畫方法：首先，創(chuàng)建數(shù)據(jù)庫。由1名有經(jīng)驗(yàn)的放療醫(yī)師根據(jù)ICRU 83號報(bào)告[11]以及中國鼻咽癌協(xié)作組調(diào)強(qiáng)放療靶區(qū)和危及器官勾畫共識手工勾畫眼球、晶體、視交叉、視神經(jīng)、垂體、顳葉、腦干、脊髓、腮腺、內(nèi)耳、喉、下頜骨、下頜關(guān)節(jié)等危及器官，并將勾畫好的58例患者數(shù)據(jù)傳輸至連心智能放療云平臺進(jìn)行訓(xùn)練，通過深度學(xué)習(xí)后建立鼻咽癌危及器官自動分割數(shù)據(jù)庫。其次，另選10名鼻咽癌患者作為測試組，對每一位患者由同一名放療醫(yī)師手工勾畫危及器官，并通過數(shù)據(jù)庫對每個患者自動分割危及器官。

2.2 分割效率評估

通過連心3D U-net模型來自動分割鼻咽癌患者的感興趣區(qū)，在PC機(jī)上通過軟件讀取每個危及器官自動分割的時間。對每一位患者由同一名放療醫(yī)師手工勾畫危及器官，以秒為單位分別如實(shí)記錄手工勾畫每個危及器官所需的時間（研究記錄的時間不包括放療醫(yī)師查閱資料時間），分別比較10例患者自動分割和手工勾畫每個危及器官的平均時間。

2.3 幾何學(xué)精度評估

（1）通過Pinnacle39.10計(jì)劃系統(tǒng)，以放療醫(yī)師手工勾畫危及器官的輪廓為金標(biāo)準(zhǔn)，評價自動分割與手工勾畫結(jié)果吻合程度。

（2）體積差異（ΔV）：為評估手工勾畫與自動分割結(jié)果的差異，定義ΔV為自動分割與手工勾畫的體積差占手工勾畫體積之比，正值表示自動分割高估了目標(biāo)危及器官（過度勾畫），負(fù)值表示自動分割低估了目標(biāo)危及器官（勾畫不足），其絕對值越接近0，表明自動分割結(jié)果變化程度越小，越接近金標(biāo)準(zhǔn)[5，12-14]。ΔV計(jì)算公式如下：

（3）DSC 和重疊比（overlap ratio，OR）：使用 DSC和OR評價自動分割與手動勾畫危及器官的重合性。在圖像重合度評估研究中，建議DSC＞0.7為重合度較好的標(biāo)準(zhǔn)[5，12-13]。OR值位于0～1之間，越接近1表示自動分割與手工勾畫的重合性越好。DSC可由公式（2）計(jì)算得到，OR計(jì)算公式如下：

式中，IOR代表OR。

2.4 統(tǒng)計(jì)學(xué)處理

采用SPSS 20.0軟件進(jìn)行統(tǒng)計(jì)學(xué)分析。對自動分割與手工勾畫的時間進(jìn)行正態(tài)性檢驗(yàn)，若服從正態(tài)分布，再進(jìn)行配對t檢驗(yàn)，P＜0.05為差異具有統(tǒng)計(jì)學(xué)意義。自動分割與手工勾畫的ΔV、DSC和OR分別進(jìn)行統(tǒng)計(jì)學(xué)分析比較，數(shù)據(jù)用±s形式表示。

3 結(jié)果

3.1 手工勾畫與自動分割結(jié)果比較示例

選取其中1例患者進(jìn)行自動分割和手工勾畫器官對比，發(fā)現(xiàn)對于小器官如晶體、眼球、視神經(jīng)、視交叉、腮腺有很高的重合性，勾畫精度非常高，如圖2所示。

圖2 手工勾畫與自動分割典型器官對比圖

3.2 手工勾畫和自動分割時間比較

10例測試患者手工勾畫和自動分割的平均時間分別為1 663和432 s，自動分割較手工勾畫節(jié)省時間1 231 s（74.02%）。除視交叉外，其他器官自動分割較手工勾畫均大幅節(jié)省時間，差異有統(tǒng)計(jì)學(xué)意義（P＜0.05）。不同器官自動分割和手工勾畫時間對比見表1，可以看出，自動分割可以大大縮短醫(yī)師勾畫時間，提高工作效率。

表1 自動分割與手工勾畫危及器官時間對比

3.3 手工勾畫和自動分割結(jié)果分析

通過對10例測試對象每組器官手動勾畫與自動分割的ΔV、DSC值和OR值的分析發(fā)現(xiàn)，體積較大的危及器官，如腦干、脊髓、顳葉、喉、腮腺和下頜骨等，有很高的DSC值和OR值，平均DSC值和OR值均在0.8以上，重合性很好。部分小體積危及器官，如左右眼球、左右下頜關(guān)節(jié)和內(nèi)耳有很高的DSC值和 OR 值，DSC 值分別為 0.95±0.03、0.95±0.03、0.88±0.07、0.87±0.08 和 0.93±0.04，OR 值分別為 0.96±0.02、0.96±0.02、0.84±0.05、0.83±0.03 和 0.91±0.02，重合性非常高。左右晶體和左右視神經(jīng)DSC值分別為0.74±0.06、0.73±0.04 和 0.71±0.06、0.72±0.05，OR 值分別為 0.70±0.03、0.70±0.03 和 0.69±0.03、0.70±0.03，重合性較好。視交叉DSC值最小，只有0.58±0.17，OR值僅為0.48±0.09，重合性最差。具體結(jié)果見表2。

表2 自動分割與手工勾畫危及器官的ΔV、DSC和OR對比（±s）

表2 自動分割與手工勾畫危及器官的ΔV、DSC和OR對比（±s）

器官名稱 人工勾畫/cm3自動分割/cm3 ΔV/% DSC值 OR值腦干 27.89±5.31 30.21±2.05 1.58±0.39 0.88±0.04 0.89±0.02脊髓 33.47±7.21 32.89±3.59 0.62±0.08 0.92±0.02 0.93±0.03左顳葉 121.87±11.75 118.32±6.29 3.07±0.21 0.82±0.04 0.81±0.02右顳葉 125.62±12.23 119.07±5.91 4.72±0.93 0.82±0.04 0.81±0.02喉 41.73±6.22 39.63±4.28 2.01±0.48 0.84±0.10 0.82±0.05左眼球 9.64±2.31 9.57±1.42 0.12±0.02 0.95±0.03 0.96±0.02右眼球 9.83±2.15 9.78±1.21 0.13±0.02 0.95±0.03 0.96±0.02左視神經(jīng) 1.23±0.03 1.49±0.02 0.22±0.01 0.71±0.06 0.69±0.03右視神經(jīng) 1.41±0.04 1.58±0.02 0.11±0.01 0.72±0.05 0.70±0.03視交叉 0.52±0.02 0.37±0.01 0.18±0.02 0.58±0.17 0.48±0.09左晶體 0.81±0.03 0.69±0.01 0.12±0.03 0.74±0.06 0.70±0.03右晶體 0.79±0.02 0.71±0.01 0.08±0.02 0.73±0.04 0.70±0.03左腮腺 28.21±4.39 26.93±2.59 1.38±0.03 0.80±0.05 0.75±0.02右腮腺 29.86±3.77 27.29±3.17 1.38±0.03 0.81±0.03 0.76±0.03下頜骨 75.21±8.11 74.85±4.84 1.83±0.06 0.92±0.03 0.90±0.01左下頜關(guān)節(jié) 3.01±0.05 3.37±0.03 0.21±0.02 0.88±0.07 0.84±0.05右下頜關(guān)節(jié) 2.97±0.04 3.13±0.02 0.28±0.03 0.87±0.08 0.83±0.03內(nèi)耳 0.93±0.04 1.12±0.02 0.16±0.01 0.93±0.04 0.91±0.02

4 討論

本研究中對鼻咽癌自動分割與手工勾畫的每個危及器官時間進(jìn)行了統(tǒng)計(jì)和分析，自動分割較手工勾畫腦干、脊髓、顳葉、喉、眼球、視神經(jīng)、視交叉、晶體、腮腺、下頜骨、下頜關(guān)節(jié)和內(nèi)耳的平均時間分別節(jié)省了 133.05 s（84.02%）、157.09 s（82.74%）、96.89 s（61.06%）、115.77 s（86.19%）、35.90 s（51.13%）、43.51 s（55.24%）、0.47 s（1.25%）、23.94 s（40.62%）、160.86 s（80.27%）、233.70 s（82.94%）、174.24 s（81.51%）和55.95 s（69.37%），可以看出，除視交叉自動分割和手工勾畫時間相當(dāng)外，其他各器官自動分割時間均大大降低，工作效率大幅提升。自動分割與手工勾畫（金標(biāo)準(zhǔn)）的腦干、脊髓、顳葉、喉、腮腺、下頜骨、眼球、下頜關(guān)節(jié)和內(nèi)耳等，有很高的DSC值和OR值，平均DSC值和OR值均在0.8以上，重合性很好；晶體和視神經(jīng)這類小體積器官平均DSC值和OR值也在0.7以上，重合性較好，表明自動分割和手工勾畫有很好的重合性和一致性。但視交叉DSC平均值只有0.58，OR值僅為0.48，重合性較差，說明自動分割和手工勾畫之間存在差異，這要求醫(yī)師在自動分割完畢后檢查自動分割結(jié)果，對不足之處進(jìn)行手工修改。

本研究基于3D U-net網(wǎng)絡(luò)構(gòu)建智能化勾畫模型，應(yīng)用于鼻咽癌危及器官的自動分割，在保證準(zhǔn)確勾畫的前提下，有效減少了勾畫時間，提高了醫(yī)師的工作效率。谷珊珊等[15]使用MIM軟件模板數(shù)據(jù)庫的病例數(shù)對危及器官自動勾畫進(jìn)行了探討，發(fā)現(xiàn)眼球、內(nèi)耳、脊髓、視神經(jīng)等危及器官宜選用病例數(shù)多的模板數(shù)據(jù)庫進(jìn)行自動勾畫，模板數(shù)據(jù)庫中包含的病例數(shù)對腦干、顳頜關(guān)節(jié)、晶體、口腔、腮腺等危及器官或組織的自動勾畫的DSC值無明顯影響。MIM軟件對于不同解剖結(jié)構(gòu)的自動分割能力相差懸殊，結(jié)構(gòu)體積越小，分割結(jié)果越差[16]。杜國波等[6]采用ABAS軟件自動勾畫技術(shù)對鼻咽癌進(jìn)行勾畫，發(fā)現(xiàn)當(dāng)參考圖像和目標(biāo)圖像為同一患者時DSC、交叉指數(shù)（overlap index，OI）值較高，絕大多數(shù)器官 DSC、OI值＞0.85，下頜骨、脊髓DSC值甚至高達(dá)0.95。ABAS自動勾畫軟件是基于形變配準(zhǔn)的原理，使參考圖像上的感興趣器官輪廓與目標(biāo)圖像匹配從而完成自動勾畫流程，對輪廓的依賴性較強(qiáng)，當(dāng)模板為不同患者時，DSC和OI值較低，勾畫效果較差，特別是對于較小器官。ABAS軟件和MIM軟件都是基于圖譜的人工智能勾畫，線條扭曲嚴(yán)重，棱角分明，運(yùn)用于臨床工作中仍需大量修改。本研究中基于3D U-net模型深度學(xué)習(xí)，對于不同患者、不同小體積器官自動勾畫亦有很高的精度，左右晶體和左右視神經(jīng)平均DSC值達(dá)到了 0.74±0.06、0.73±0.04 和 0.71±0.06、0.72±0.05，重合性和一致性很高，自動分割精度達(dá)到了手工勾畫的要求，可以應(yīng)用于臨床工作中。

實(shí)現(xiàn)器官的自動分割在臨床上意義顯著，尤其是在放療領(lǐng)域，可輔助或代替醫(yī)師完成勾畫，既顯著減少了醫(yī)師重復(fù)性工作，也為自適應(yīng)放療提供了臨床應(yīng)用基礎(chǔ)[17]。本研究中患者數(shù)量較少，統(tǒng)計(jì)結(jié)果可能會有偏差。在今后的臨床工作中，計(jì)劃將更多的患者影像數(shù)據(jù)納入數(shù)據(jù)庫，以取得更好的勾畫結(jié)果。

綜上所述，基于3D U-net對鼻咽癌危及器官進(jìn)行自動分割，節(jié)省了大量的時間，并且與手工勾畫輪廓有很高的一致性，可以確?；颊呶＜捌鞴僮詣庸串嬀龋岣吖ぷ餍?。