基于平掃M(jìn)RI機(jī)器學(xué)習(xí)模型評估兔肝纖維化分期

李 碩，付雅晴，郭冬梅*，董 洋，劉 惠

(1.大連醫(yī)科大學(xué)附屬第二醫(yī)院放射科，遼寧 大連 116027；2.大連理工大學(xué)電子信息與電氣工程學(xué)部，遼寧 大連 116024)

肝纖維化為肝硬化早期階段，去除病因并早期干預(yù)可逆轉(zhuǎn)纖維化[1]。目前肝活檢是診斷肝纖維化的“金標(biāo)準(zhǔn)”，但因有創(chuàng)而應(yīng)用受限?；谟跋駥W(xué)圖像的計(jì)算機(jī)輔助診斷(computer-aided diagnosis， CAD)技術(shù)可挖掘人眼無法識別的圖像信息以輔助診斷疾病。機(jī)器學(xué)習(xí)是CAD技術(shù)中應(yīng)用最廣泛的一種，已逐漸用于腫瘤等[2-4]并取得一定進(jìn)展。MRI定量參數(shù)可用于分期診斷肝纖維化[5]，但基于影像學(xué)圖像的CAD技術(shù)預(yù)測肝纖維化分期的研究尚不成熟，且多采用圖像紋理特征提取與統(tǒng)計(jì)學(xué)分析相結(jié)合或傳統(tǒng)分類器識別方法[6-7]。本研究建立兔肝纖維化模型，基于脂肪抑制T1WI(T1WI-fat suppression, T1WI-FS)構(gòu)建半監(jiān)督學(xué)習(xí)(semi-supervised learning, SSL)與主動(dòng)學(xué)習(xí)(active learning， AL)相結(jié)合的新興分類器模型，評價(jià)該模型分期診斷肝纖維化的價(jià)值。

圖1 腹部T1WI-FS示兔各期肝纖維化 A.F1期(輕度肝纖維化)； B.F2期(中度肝纖維化)； C.F3期(重度肝纖維化)； D.F4期(肝硬化早期)

1 材料與方法

1.1 實(shí)驗(yàn)動(dòng)物及肝纖維化模型建立 清潔級雄性新西蘭大白兔35只，體質(zhì)量2.5～3.0 kg，由大連醫(yī)科大學(xué)動(dòng)物實(shí)驗(yàn)中心提供，動(dòng)物許可證編號：SYXK(遼)2013-0006；隨機(jī)分入實(shí)驗(yàn)組30只及對照組5只。實(shí)驗(yàn)組予頸部皮下注射四氯化碳與橄欖油1∶1混合溶液建立肝纖維化模型，每周2次，注射10周，1～3周0.1 ml/kg體質(zhì)量，4～6周0.2 ml/kg體質(zhì)量，7～10周0.3 ml/kg體質(zhì)量；對照組每周2次頸部皮下注射等量生理鹽水。

1.2 儀器與方法 采用GE Discovery MR 750W 3.0T MR掃描儀，8通道膝關(guān)節(jié)HD線圈。于注藥后第5、6、7、10周末分批次采集2組兔腹部MRI，實(shí)驗(yàn)組第5、6、7周末每次掃描7只兔，第10周末掃描9只；對照組第5、6、7周末每次掃描1只，第10周掃描2只。

掃描前8 h前停飼，4 h前停飲。于兔耳緣靜脈注射2.5 ml/kg體質(zhì)量10%水合氯醛麻醉后，取仰臥位腹帶加壓保定，采集腹部T1WI-FS(圖1)，TR 4 000 ms；TE 2.9 ms；FOV 20 cm×16 cm，層厚 4 mm，層間距 1 mm，矩陣192×192，NEX 3次。

圖2 組織病理圖示兔各期肝纖維化(Masson， ×100) A.匯管區(qū)擴(kuò)張(F1期)； B.匯管區(qū)周圍纖維化(F2期)； C.大量纖維間隔形成(F3期)； D.肝纖維化早期(F4期)

圖3 機(jī)器學(xué)習(xí)模型建立流程圖

1.3 病理檢查 MR檢查結(jié)束后立即處死動(dòng)物，取出肝臟，置于10%甲醛溶液中固定后制成病理切片，行HE染色及Masson染色(圖2)。由2名病理科主任醫(yī)師根據(jù)METAVIR評分系統(tǒng)對每個(gè)肝葉的纖維化程度進(jìn)行分期，分為F0～4期，再合并為正常肝(F0期)、早期肝纖維化(F1～2期)、晚期肝纖維化(F3～4期)3組[8]。

METAVIR分期標(biāo)準(zhǔn)：F0，無纖維化；F1(輕度纖維化)，無纖維間隔形成，小葉結(jié)構(gòu)完整；F2(中度纖維化)，少量纖維間隔形成，小葉結(jié)構(gòu)大部分保留；F3(重度纖維化)，出現(xiàn)大量纖維間隔，小葉結(jié)構(gòu)破壞，尚未出現(xiàn)肝硬化；F4，肝硬化早期。

1.4 機(jī)器學(xué)習(xí)模型建立 流程見圖3。

1.4.1 提取ROI 依據(jù)掃描層厚、層間距及大體標(biāo)本情況，以3 mm為基準(zhǔn)單位切割標(biāo)本，測量實(shí)驗(yàn)組陽性部分與肝邊緣的距離，以此為標(biāo)準(zhǔn)在T1WI-FS上定位ROI：對照病理結(jié)果，在顯示相應(yīng)肝葉的連續(xù)3個(gè)層面上采用Matlab軟件勾畫20×20像素的方形ROI，盡量避開偽影、肝內(nèi)血管、膽管、膽囊及肝緣等區(qū)域[9]。對照組依據(jù)所切取標(biāo)本肝葉位置勾畫ROI，方法同上。

1.4.2 提取與選擇紋理特征 采用灰度共生矩陣(gray-level co-occurrence matrix， GLCM)算法提取紋理特征。以Python軟件將圖像自動(dòng)量化至統(tǒng)一的灰度等級0～32級。選取常見16種紋理特征，將量級化ROI圖像按照病理結(jié)果所示肝纖維化分期輸入Python軟件，分別計(jì)算4個(gè)方向(0°、45°、90°及135°)的16維特征向量，即每個(gè)ROI對應(yīng)64個(gè)紋理特征參數(shù)值；采用取均值方法選擇特征，最終每個(gè)ROI對應(yīng)1個(gè)16維特征向量[10]，分別為能量、對比度、逆差距、方差、熵、慣性矩、相關(guān)性、和平均、和熵、和方差、差熵、差方差、相關(guān)度量信息1、相關(guān)度量信息2、平均灰度值及標(biāo)準(zhǔn)差。

1.4.3 設(shè)計(jì)分類器模型 以五折交叉驗(yàn)證測試經(jīng)圖像量級化的ROI，設(shè)置10個(gè)有標(biāo)簽數(shù)據(jù)，其余作為未標(biāo)記數(shù)據(jù)。采用SSL與AL相結(jié)合算法構(gòu)建分類器模型。

1.4.4 評估肝纖維化分期 對輸入分類器模型中的ROI分別進(jìn)行五期分類(F0～4期)和兩兩分類(F0 vs F1～4、F0 vs F1～2、F0 vs F3～4、F1～2 vs F3～4、F0～2 vs F3～4)測試與訓(xùn)練，以Python軟件中機(jī)器學(xué)習(xí)模型庫中的標(biāo)簽傳播算法計(jì)算分期準(zhǔn)確率及平均準(zhǔn)確率。準(zhǔn)確率=正確判斷(簡稱正判)肝纖維化分期ROI數(shù)目/本期ROI總數(shù)，平均準(zhǔn)確率=肝纖維化各期正判ROI數(shù)目之和/各期ROI總數(shù)之和。

2 結(jié)果

實(shí)驗(yàn)組造模過程中2只兔死亡，對照組全部存活。依據(jù)病理結(jié)果共選取180個(gè)ROI，其中F0期32個(gè)、F1期37個(gè)、F2期33個(gè)、F3期54個(gè)、F4期24個(gè)；F1～2期70個(gè)、F3～4期78個(gè)。

2.1 五期分類識別 分類器模型正確判斷F0期28個(gè)(均為對照組)、F1期15個(gè)、F2期22個(gè)、F3期35個(gè)、F4期9個(gè)，F(xiàn)0、1、2、3、4期評估準(zhǔn)確率分別為87.50%(28/32)、40.54%(15/37)、66.67%(22/33)、64.81%(35/54)及37.50%(9/24)，平均準(zhǔn)確率60.56%(109/180)。

2.2 兩兩分類識別 分類器模型對F0 vs F1～4、F0 vs F1～2、F0 vs F3～4、F1～2 vs F3～4及F0～2 vs F3～4的評估平均準(zhǔn)確率為95.56%、95.10%、96.36%、68.92%及65.56%，見表1。

3 討論

3.1 以T1WI-FS建立機(jī)器學(xué)習(xí)模型評估肝纖維化分期的依據(jù) 增強(qiáng)圖像在醫(yī)學(xué)圖像與機(jī)器學(xué)習(xí)相結(jié)合分析各種疾病中的應(yīng)用價(jià)值較高，如LI等[11]發(fā)現(xiàn)增強(qiáng)MRI可分析非WNT激活型及非SHH分子分型髓母細(xì)胞瘤患者的預(yù)后；FENG等[12]報(bào)道，增強(qiáng)MRI可評估肝細(xì)胞癌分化程度；但增強(qiáng)圖像存在掃描時(shí)間長、對比劑不耐受可能等不足。本研究基于平掃M(jìn)RI構(gòu)建機(jī)器學(xué)習(xí)模型，以預(yù)測肝纖維化分期。肝纖維化的實(shí)質(zhì)是纖維結(jié)締組織增生，T1WI可更大限度凸顯肝臟紋理特征。SCHAWKAT等[13]認(rèn)為基于T1WI的紋理分析鑒別早期纖維化與晚期纖維化的準(zhǔn)確率高于T2WI-FS。HOUSE等[14]采用基于T2WI的機(jī)器模型評估肝纖維化分期，其區(qū)分F0與F1～4期的準(zhǔn)確率為91%。本研究基于T1WI-FS建立機(jī)器學(xué)習(xí)模型，區(qū)分F0與F1～4期的準(zhǔn)確率達(dá)95.56%。此外，T1WI-FS還可減少脂肪變性對結(jié)果造成的偏差。

3.2 紋理特征提取與特征選擇方法 GLCM除可計(jì)算醫(yī)學(xué)圖像灰度值外，還可分析灰度的空間分布情況。肝纖維化紋理特征具有彌散性，應(yīng)計(jì)算不同方向的特征，故本研究分別計(jì)算了4個(gè)方向的GLCM，每個(gè)ROI對應(yīng)64個(gè)紋理特征參數(shù)值；但特征參數(shù)過多可能造成計(jì)算時(shí)間延長，故需要優(yōu)選參數(shù)特征，依據(jù)經(jīng)驗(yàn)采用取均值方法，使其每個(gè)ROI對應(yīng)1個(gè)16維特征向量，以減少特征參數(shù)的數(shù)量，提高計(jì)算速度。

3.3 分類器預(yù)測結(jié)果 分類器模型對F0～4五期分類中F0期的評估準(zhǔn)確率為87.50%，提示規(guī)避肝臟邊緣、血管、膽管等提取紋理特征可用于區(qū)分健康肝與肝纖維化。模型對F1期誤判概率較高，原因可能是F1期肝小葉結(jié)構(gòu)完整，但其內(nèi)已出現(xiàn)纖維瘢痕，其紋理特征介于F0期與F2～3期之間，故可能誤判；對F4期識別準(zhǔn)確率較低，可能因F4期肝纖維彌漫性增生，肝實(shí)質(zhì)受損甚至存在炎性改變，原始圖像灰度值較低，較難區(qū)分纖維成分與肝內(nèi)細(xì)小血管，導(dǎo)致勾畫ROI時(shí)存在一定誤差。兩兩分類識別可降低五期分類時(shí)計(jì)算機(jī)誤判誤差，準(zhǔn)確率優(yōu)于五分類，F(xiàn)0與F1～4期對比時(shí)準(zhǔn)確率達(dá)90%以上，且區(qū)分F0與F3～4期準(zhǔn)確率最高，為96.36%。擴(kuò)大樣本量并對置信區(qū)間較低的標(biāo)簽樣本進(jìn)行人為標(biāo)記后可有效減少誤差，但包含F(xiàn)4期分組的混淆矩陣誤判仍較F1～2期稍高，說明當(dāng)細(xì)胞外基質(zhì)過量持續(xù)沉積時(shí)，MRI呈現(xiàn)的不均勻網(wǎng)格狀信號分布雜亂無章，導(dǎo)致出現(xiàn)預(yù)測偏差。TAKESHI等[15]發(fā)現(xiàn)，合并分期有利于分期診斷肝纖維化，且診斷≥F2期肝纖維化的效能較好；KAYAALTI等[16]采用CT圖像紋理特征評估肝纖維化分期，證明基于支持向量機(jī)(support vector machine, SVM)分類器及K近鄰(K-nearest neighbor, KNN)分類器的合并分期評估效能較好，準(zhǔn)確率達(dá)95%。本研究構(gòu)建的SSL與AL相結(jié)合的分類器模型評估準(zhǔn)確率與傳統(tǒng)SVM等分類器相仿，甚至略高于傳統(tǒng)分類器，可預(yù)測兔肝纖維化分期。

表1 兩兩分類識別肝纖維化分期的準(zhǔn)確率

本研究的主要局限性：樣本量不足，導(dǎo)致測量結(jié)果存在偏差；體外肝臟形態(tài)與在體形態(tài)并非完全一致，病理與ROI定位對照仍存在一定誤差；未對比分析基于T2WI及增強(qiáng)圖像的機(jī)器學(xué)習(xí)模型。