自發(fā)性腦出血CT影像分割在老年腦梗死合并腦出血病灶中的計算效果

黃萌，喻曉剛，劉玲

腦梗死是由多種原因引起的局部腦組織區(qū)域血液供應障礙，導致腦組織發(fā)生缺氧、缺血性壞死，并產(chǎn)生相應的神經(jīng)功能缺損表現(xiàn)[1]。臨床上，根據(jù)腦梗死發(fā)病機制分為腦血栓形成、腦栓塞、腔隙性腦梗死等，而腦血栓形成占腦梗死的60.0%。既往研究表明，腦梗死好發(fā)于老年人，其病因基礎(chǔ)為動脈粥樣硬化，其次為高血壓病、吸煙、飲食不當?shù)萚2]，持續(xù)的病情發(fā)展將會增加腦梗死性腦出血發(fā)生率，增加臨床診療難度。因此，加強老年腦梗死合并腦出血患者出血量精準計算，對制定有效的措施干預具有重要意義[3]。自發(fā)性腦出血CT 影像分割是臨床上常用的檢查方法，能確定患者腦卒中類型，判斷顱內(nèi)出血部位、范圍及體積，有助于指導臨床治療[4]。同時，患者出血量計算能引入深度學習的影像分割方法，可將不同區(qū)域的像素進行有效分割，有助于區(qū)分不同的組織[5]。因此，本研究以老年腦梗死合并腦出血患者為對象，探討自發(fā)性腦出血CT影像分割在老年腦梗死合并腦出血病灶中的計算效果。

1 資料與方法

1.1 一般資料

選擇2019年3月至2021年2月老年腦梗死合并腦出血患者189例，納入標準：符合腦梗死診斷標準[6]，且均伴不同程度腦出血；年齡≥60 歲，均可耐受頭顱CT 檢查；具有完整的化驗單和隨訪資料。排除標準：具有明確的腦部外傷、凝血功能異?；虬樽陨砻庖呦到y(tǒng)疾病；認知功能異常、血液系統(tǒng)疾病或器質(zhì)性疾?。粊喖毙?、慢性硬膜下出血或腦部器質(zhì)性疾病。所有患者根據(jù)出血量分為3 組：①＜5 mL組41例，男24例，女17例；年齡45～81歲，平均（60.39±6.41）歲；病程1～7 h，平均（4.23±0.61）h；出血部位為實質(zhì)內(nèi)出血15例，腦室出血16例，蛛網(wǎng)膜下腔出血8 例，混合型出血2 例；②5～25 mL 組92例，男51 例，女41 例；年齡44～83 歲，平均（61.41±6.47）歲；病程1～6 h，平均（4.29±0.66）h；出血部位為實質(zhì)內(nèi)出血30例，腦室出血34例，蛛網(wǎng)膜下腔出血25例，混合型出血3例；③＞25 mL組56例，男34例，女22例；年齡42～85歲，平均（62.78±6.53）歲；病程1～7 h，平均（4.31±0.71）h；出血部位為實質(zhì)內(nèi)出血23例，腦室出血25例，蛛網(wǎng)膜下腔出血6例，混合型出血2例。

1.2 方法

1.2.1 頭顱CT 檢查 入院后所有患者均采用西門子128 層64 排螺旋CT 完成頭顱CT 檢查：管電壓110 kV、管電流300 mA、掃描層厚2 mm、間隔5 mm，設(shè)定螺距1 mm，矩陣為512×512。檢查時患者頭先進，先行常規(guī)平掃，必要時行CT增強掃描。對于增強掃描患者，采用高壓注射器注入非離子型對比劑85 mL，注射速度為4 mL/s，注射完畢后延遲20 s 后進行掃描。將最終獲得的數(shù)據(jù)、圖像傳輸?shù)胶筇幚碥浖羞M行后處理[7]。

1.2.2 出血部位標注 主要從兩個階段進行：①第一階段，由具備10年工作經(jīng)驗的醫(yī)生，結(jié)合自身的臨床經(jīng)驗，排除非自發(fā)性出血患者，并根據(jù)患者的主訴初步標記出病灶的輪廓、類型及出血部位。借助自主研發(fā)的標注平臺中標注工具，完成病灶標記的調(diào)整、縮小或放大。②第二階段，由具有20年以上工作經(jīng)驗的副主任醫(yī)師對第一階段進一步審核，標記出漏標記的病灶，刪除誤標記的病灶，進一步完成修整或確定病灶的輪廓、類型及位置，并由高年資醫(yī)生進行審核，借助多田公式完成出血體積計算[8,9]。

1.2.3 病灶體積的計算 將頭顱CT獲得的圖像由醫(yī)生對出血區(qū)域完成輪廓的勾勒，并完成影像分割（金標準）；采用人工智能檢測方法構(gòu)建模型，借助多田公式完成出血體積計算，根據(jù)出血量分為＜5 mL 組、5～25 mL 組和＞25 mL 組，分析構(gòu)建模型與金標準的絕對和相對誤差，獲得模型預測的Dice指數(shù)。

1.3 統(tǒng)計學處理

采用SPSS24.0軟件處理數(shù)據(jù)，計數(shù)資料以率（%）表示，χ2檢驗，計量資料以（±s）表示，t檢驗，P＜0.05為差異有統(tǒng)計學意義。

2 結(jié)果

2.1 模型預測的Dice指數(shù)分析

自發(fā)性腦出血CT影像分割模型在老年腦梗死合并腦出血病灶中Dice指數(shù)為0.82，與“金標準”符合率較高。腦實質(zhì)內(nèi)出血、腦室出血、混合型出血及蛛網(wǎng)膜下腔出血Dice指數(shù)為0.85、0.87、0.69、0.72，說明自發(fā)性腦出血CT 影像分割模型在腦實質(zhì)出血上效果佳，見圖1。

圖1 自發(fā)性腦出血CT影像分割模型與金標準比較

2.2 模型與金標準的絕對和相對誤差比較

所有患者均完成模型與金標準病灶出血量計算，結(jié)果表明，3組模型計算和金標準絕對誤差、相對標準差均有顯著性差異（P=0.000）；＜5 mL 組、5～25mL 組和＞25 mL 組絕對誤差模型計算出血量均低于金標準（P=0.000）；＜5 mL 組相對誤差中模型計算出血量高于金標準（P=0.000）；5～25 mL組和＞25 mL組相對誤差中模型計算出血量低于金標準（P=0.000），見表1。

表1 模型與金標準的絕對和相對誤差比較（mL，±s）

表1 模型與金標準的絕對和相對誤差比較（mL，±s）

組別＜5 mL組5～25 mL組＞25 mL組F值P值例數(shù)41 92 56/ /絕對誤差模型計算0.56±0.11 1.53±0.23 7.52±0.81 7.391 0.000金標準0.64±0.15 1.66±0.26 19.35±0.77 9.051 0.000組別＜5 mL組5～25 mL組＞25 mL組F值P值相對誤差模型計算0.34±0.08 0.13±0.03 0.10±0.01 10.491 0.000金標準0.28±0.06 0.25±0.09 0.23±0.07 8.956 0.000

3 討論

隨著我國人口老齡化的加劇，老年腦梗死發(fā)生率呈上升趨勢，且患者發(fā)病后腦出血發(fā)生率較高，遠期預后較差[10]。既往研究表明，心腦血管疾病是一類威脅人類的主要疾病，具有患病率高、死亡率高及治愈率低等特點，成為居民死亡的重要原因[11]。因此，加強老年腦梗死合并腦出血病灶計算，對改善患者預后具有重要的意義。

近年來，自發(fā)性腦出血CT 影像分割在老年腦梗死合并腦出血病灶中體積計算中得到應用，且效果理想[11]。本研究中，自發(fā)性腦出血CT影像分割模型在老年腦梗死合并腦出血病灶中Dice指數(shù)為0.82，與“金標準”符合率較高。自發(fā)性腦出血CT影像分割是一種基于CT 影像學的檢查方法，采用人工智能檢測分析系統(tǒng)構(gòu)建模型，基于全卷積深度分割網(wǎng)絡(luò)，能對輸入的影像數(shù)據(jù)進行體素級別分析[12]。同時，模型構(gòu)建時借助CT數(shù)據(jù)和影像能實現(xiàn)多方位標準化測定，包括：最優(yōu)窗寬、窗位選擇等，必要時可聯(lián)合三維矯正變換。既往研究表明[13]：自發(fā)性腦出血CT影像分割以U-Net 作為骨干網(wǎng)絡(luò)，通過多個模塊可增強骨干網(wǎng)絡(luò)的擬合能力，促進網(wǎng)絡(luò)全局信息的建模，如信息卷積、稠密空洞卷積等，均能提高病灶體積的計算精度和準確度。本研究中，3組模型計算和金標準絕對誤差、相對標準差均有顯著性差異（P=0.000）；從本研究結(jié)果看出，自發(fā)性腦出血CT影像分割用于老年腦梗死合并腦出血病灶中誤差相對較小，且出血量越小，誤差越小。既往研究表明，深度學習技術(shù)是基于腦CT 的一種新型方法，能實現(xiàn)疾病的檢出、分類，借助腦CT 能實現(xiàn)病灶的分類與識別[14]。國外研究表明，借助熱力圖能解釋分類模型中腦出血圖像的識別位置，可獲得較高的靈敏度與特異度[15]。為了進一步分析自發(fā)性腦出血CT影像分割用于老年腦梗死合并腦出血病灶中計算效果，本研究將構(gòu)建模型與金標準進行比較，結(jié)果表明，建立的分割模型與金標準準確性較高，不同位置、不同類型出血病灶，模型均具有較高的穩(wěn)定性，分割性能良好。

綜上所述，自發(fā)性腦出血CT 影像分割用于老年腦梗死合并腦出血病灶中能準確地計算病灶體積，從而進一步指導臨床治療。