DenseNet網(wǎng)絡(luò)深度學(xué)習(xí)分析CT圖像鑒別肺結(jié)節(jié)良惡性的價(jià)值

錢 旭，王 姍

東南大學(xué)附屬江陰市人民醫(yī)院影像科，江蘇 江陰 214400

肺癌是臨床發(fā)病率較高的惡性腫瘤之一，及時(shí)準(zhǔn)確地早期判斷可極大程度減少肺癌病死率［1］。臨床病理檢查肺結(jié)節(jié)可觀察上皮細(xì)胞增殖，肺泡內(nèi)細(xì)胞顯著增加，肺泡內(nèi)含氣量降低，肺泡間隔增加［2］。CT是目前肺結(jié)節(jié)檢查常用手段，可細(xì)致觀察肺部微小結(jié)節(jié)，可減少臨床漏診率［3］。隨著人工智能技術(shù)逐漸進(jìn)入醫(yī)療行業(yè)，運(yùn)用深度學(xué)習(xí)算法極大程度上提高了臨床診斷疾病準(zhǔn)確率，也為后續(xù)制定治療方案提供了可靠臨床資料［4］。DenseNet網(wǎng)絡(luò)深度學(xué)習(xí)分析是新型的人工智能技術(shù)，但用于肺結(jié)節(jié)影像圖像評(píng)估及預(yù)測(cè)病變性質(zhì)尚無(wú)報(bào)道。本研究主要探討DenseNet網(wǎng)絡(luò)深度學(xué)習(xí)分析CT圖像鑒別肺結(jié)節(jié)良惡性的價(jià)值。

1 資料與方法

1.1 一般資料

選取2017年2月～2019年5月我院收治的疑似肺結(jié)節(jié)患者80例。納入標(biāo)準(zhǔn)：患者經(jīng)手術(shù)切除或穿刺活檢確診，病灶結(jié)節(jié)直徑≤3 cm；患者肺部無(wú)胸腔積液、肺不張等；患者CT檢查前未接受手術(shù)切除或穿刺活檢；患者及家屬知情并簽署知情同意書(shū)。排除標(biāo)準(zhǔn)：患者CT圖像存在運(yùn)動(dòng)偽影，或金屬偽影；患者合并其它惡性腫瘤；患者肺結(jié)節(jié)存在遠(yuǎn)處轉(zhuǎn)移。80例患者中，男43例，女37例，年齡35～78（58.39±8.81）歲，經(jīng)病理確診惡性結(jié)節(jié)54例，良性結(jié)節(jié)26例。本研究經(jīng)我院醫(yī)學(xué)倫理委員會(huì)批準(zhǔn)。

1.2 方法

1.2.1 CT檢查 采用西門子64排螺旋CT掃描患者胸部，屏氣10 s，參數(shù)：管電壓120 kV，管電流130～430 mAs，層厚6.0 mm，層間距8.0 mm。圖像重建：層距1 mm，層厚1 mm。

1.2.2 DenseNet網(wǎng)絡(luò)深度學(xué)習(xí)分析 將候選位置作為中心，采用取標(biāo)注點(diǎn)最相近五層截取2D CT圖像，包括橫軸面、矢狀面和冠狀面，圖像塊感受野64像素×64像素，截取CT值為-1000～400 Hu，并歸一化0～1，減掉平均灰度值。共1187個(gè)樣本，惡性樣本386個(gè)，良性樣本801個(gè)，隨機(jī)選擇176個(gè)惡性樣本，176個(gè)良性樣本。分為訓(xùn)練數(shù)據(jù)（158個(gè)惡性樣本，158個(gè)良性樣本）和測(cè)試數(shù)據(jù)（18個(gè)惡性樣本，18個(gè)良性樣本），通過(guò)DenseNet網(wǎng)絡(luò)進(jìn)行訓(xùn)練、測(cè)試，得出肺結(jié)節(jié)良惡性評(píng)估結(jié)果。

1.2.3 圖像分析 CT圖像均由2名放射科副主任醫(yī)師在不知情的情況下進(jìn)行分析，觀察肺結(jié)節(jié)大小、密度、形態(tài)、邊緣及含氣支氣管征，在意見(jiàn)不統(tǒng)一時(shí)，經(jīng)討論后決定。DenseNet網(wǎng)絡(luò)深度學(xué)習(xí)分析通過(guò)人工智能系統(tǒng)，自動(dòng)獲取結(jié)節(jié)特點(diǎn)，并根據(jù)其分類良性與惡性，獲取肺結(jié)節(jié)良、惡性結(jié)果。將病理檢查作為金標(biāo)準(zhǔn)。

1.3 觀察指標(biāo)

觀察患者病理、CT、DenseNet網(wǎng)絡(luò)深度學(xué)習(xí)聯(lián)合CT檢查結(jié)果，記錄CT、DenseNet網(wǎng)絡(luò)深度學(xué)習(xí)聯(lián)合CT檢查的敏感度、特異性、陽(yáng)性預(yù)測(cè)值、陰性預(yù)測(cè)值、準(zhǔn)確率及Kappa值。

1.4 統(tǒng)計(jì)學(xué)分析

采用SPSS20.0對(duì)數(shù)據(jù)進(jìn)行統(tǒng)計(jì)分析。計(jì)數(shù)資料以n(%)表示，組間比較行χ2檢驗(yàn)，以P＜0.05為差異有統(tǒng)計(jì)學(xué)意義。

2 結(jié)果

2.1 CT與病理診斷肺結(jié)節(jié)良惡性結(jié)果比較

病理診斷肺結(jié)節(jié)惡性26例，CT診斷21例與其結(jié)果一致，有5個(gè)誤判為良性結(jié)節(jié)；病理診斷肺結(jié)節(jié)良性54例，CT診斷49例與其結(jié)果一致，有5個(gè)誤判為惡性結(jié)節(jié)（表1）。

表1 CT與病理診斷肺結(jié)節(jié)良惡性結(jié)果比較Tab.1 Comparison between CT and pathological diagnosis of benign and malignant pulmonary nodules(n)

2.2 DenseNet網(wǎng)絡(luò)深度學(xué)習(xí)聯(lián)合CT與病理診斷肺結(jié)節(jié)良惡性結(jié)果比較

病理診斷肺結(jié)節(jié)惡性26例，CT診斷20例與其結(jié)果一致，有6個(gè)誤判為良性結(jié)節(jié)；病理診斷肺結(jié)節(jié)良性54例，CT診斷51例與其結(jié)果一致，有3個(gè)誤判為惡性結(jié)節(jié)（表2）。右上肺原位癌、肺微浸潤(rùn)性癌和肺浸潤(rùn)性癌的CT圖像示意（圖1）。

圖1 CT圖像Fig.1 CT images.

表2 DenseNet網(wǎng)絡(luò)深度學(xué)習(xí)聯(lián)合CT與病理診斷肺結(jié)節(jié)良惡性結(jié)果比較Tab.2 Comparison of results of deep learning of DenseNet network combined with CT and pathological diagnosis of benign and malignant pulmonary nodules(n)

2.3 CT、DenseNet網(wǎng)絡(luò)深度學(xué)習(xí)及聯(lián)合診斷價(jià)值比較

DenseNet網(wǎng)絡(luò)深度學(xué)習(xí)聯(lián)合CT評(píng)估結(jié)節(jié)良惡性的敏感度為96.15%，特異性為88.89%，CT評(píng)估其敏感度為76.92%，特異性為94.44%，DenseNet網(wǎng)絡(luò)深度學(xué)習(xí)聯(lián)合CT 評(píng)估準(zhǔn)確率高于單純CT 評(píng)估準(zhǔn)確率（91.25%vs88.75%），且與病理診斷一致性較好（Kappa=0.810，P＜0.001，表3）。

表3 CT、DenseNet網(wǎng)絡(luò)深度學(xué)習(xí)及聯(lián)合診斷價(jià)值比較Tab.3 Comparison of CT and DenseNet network in-depth learning and joint diagnosis value

3 討論

肺結(jié)節(jié)是早期肺癌CT重要觀察對(duì)象，早期檢出可明顯延長(zhǎng)患者術(shù)后生存期限，故嚴(yán)格觀察CT圖像有利于鑒別肺結(jié)節(jié)良惡性病變［5-6］。肺結(jié)節(jié)是直徑低于3 cm的不規(guī)則病灶，在CT圖像上呈高密度影、胸膜凹陷征、空泡征、分葉征等特征［7-8］。相關(guān)研究表明，惡性肺結(jié)節(jié)發(fā)生空泡征、分葉征幾率較大［9］。目前CT作為判斷肺結(jié)節(jié)首要檢查方式，在放射科醫(yī)生閱片中，主要依靠理論知識(shí)及實(shí)踐等進(jìn)行主觀判斷，當(dāng)觀察到胸膜凹陷征、空泡征、分葉征及含氣支氣管征等惡性征象時(shí)，則判斷為惡性肺結(jié)節(jié)［10-12］。但對(duì)于微小直徑、無(wú)明顯惡性征象的肺結(jié)節(jié)，無(wú)法準(zhǔn)確判斷其良惡性，導(dǎo)致漏診、誤診情況發(fā)生。

有學(xué)者采用CT影像學(xué)檢查得出肺部磨玻璃樣小結(jié)節(jié)樣良、惡性準(zhǔn)確率為97.1%，誤診率為2.9%［13］，這與本研究的準(zhǔn)確率存在一定差距。本研究CT檢查圖像出現(xiàn)肺密度增高影，有云霧狀陰影，可清晰顯示支氣管內(nèi)血管情況，評(píng)估結(jié)節(jié)良惡性準(zhǔn)確率為88.75%，敏感度為76.92%，特異性為94.44%。分析原因可能為：僅通過(guò)人工閱片分析CT圖像，對(duì)于邊界清晰、密度均勻的良性肺結(jié)節(jié)診斷準(zhǔn)確率較高，具有一定的診斷價(jià)值；但人工閱片對(duì)存在毛刺、分葉征象的肺結(jié)節(jié)無(wú)法準(zhǔn)確判斷，特別是評(píng)估直徑小于10 mm的惡性肺結(jié)節(jié)準(zhǔn)確率明顯降低，推測(cè)可能與微小惡性肺結(jié)節(jié)影像特征不明顯，定性難度較大，且人工閱片主觀性較強(qiáng)。既往研究表示，經(jīng)驗(yàn)豐富醫(yī)師診斷惡行結(jié)節(jié)的敏感度較高，但DenseNet網(wǎng)絡(luò)模型CT同樣具備較好的診斷敏感度，同時(shí)高級(jí)醫(yī)師組對(duì)直徑＞20 mm結(jié)節(jié)診斷符合率與人工智能組間診斷符合率無(wú)差異，但后者的特異性更高，說(shuō)明人工智能組對(duì)結(jié)節(jié)良惡性判斷方面優(yōu)勢(shì)更突出［14-16］。本研究也得出相似結(jié)果，DenseNet網(wǎng)絡(luò)深度學(xué)習(xí)聯(lián)合CT評(píng)估結(jié)節(jié)良惡性的敏感度為96.15%，特異性為88.89%，DenseNet網(wǎng)絡(luò)深度學(xué)習(xí)聯(lián)合CT評(píng)估準(zhǔn)確率高于單純CT評(píng)估準(zhǔn)確率（91.25%vs88.75%），且與病理診斷一致性較好。說(shuō)明DenseNet網(wǎng)絡(luò)深度學(xué)習(xí)聯(lián)合CT圖像對(duì)進(jìn)行CT檢查的患者肺結(jié)節(jié)良惡性鑒別能力較人工閱片方式更強(qiáng)，極大程度可減少假陽(yáng)性率。有學(xué)者研究深度學(xué)習(xí)人工智能技術(shù)對(duì)肺部的亞實(shí)性結(jié)節(jié)檢出率高于較高年資醫(yī)師，且評(píng)估時(shí)間較短［17］；有研究發(fā)現(xiàn)人工智能檢測(cè)肺實(shí)變、氣胸和胸腔積液敏感度高達(dá)80%，說(shuō)明該方式具有較好的發(fā)展前景［18-19］。本研究結(jié)果與之相一致。人工智能是全球醫(yī)療行業(yè)關(guān)注焦點(diǎn)。DenseNet網(wǎng)絡(luò)深度學(xué)習(xí)是近年來(lái)新型的評(píng)估方法，以CT 圖像為基礎(chǔ)并進(jìn)行細(xì)致解讀，可快速處理大量數(shù)據(jù)，尤其對(duì)肉眼無(wú)法可見(jiàn)的影像學(xué)特征可清晰解讀［20-21］。同時(shí)DenseNet網(wǎng)絡(luò)深度學(xué)習(xí)能夠利用其快速學(xué)習(xí)能力自動(dòng)對(duì)肺結(jié)節(jié)良惡性進(jìn)行鑒別，其客觀性較人工閱片更強(qiáng)［22］。

綜上所述，DenseNet網(wǎng)絡(luò)深度學(xué)習(xí)分析CT圖像鑒別肺結(jié)節(jié)良惡性準(zhǔn)確性較高，且與病理結(jié)果具有較好的一致性，為患者病情診斷提供有效依據(jù)。