自动勾画软件对鼻咽癌靶区和危及器官勾画结果对比分析

单书灿 邱 杰 全 红 刘 峡 杨 波 庞廷田 刘 楠 张福泉

自动勾画软件对鼻咽癌靶区和危及器官勾画结果对比分析

单书灿①邱 杰②全 红①刘 峡②杨 波②庞廷田②刘 楠②张福泉②

目的：分析和比较两种自动勾画软件对放射治疗中鼻咽癌患者CT图像的靶区和危及器官勾画效果。方法：选取50例鼻咽癌患者的CT图像，建立一个数据库，另选20例鼻咽癌患者的CT图像应用RS和MIM两种软件进行基于以上数据库的勾画，对两种软件勾画结果进行形状相似性指数(DSC)和交叉指数(OI)分析，并对两种勾画结果的差异进行配对t检验。结果：MIM和RS软件自动勾画的危及器官的DSC和OI结果大部分在0.7～0.9之间，两种软件的DSC值大部分无明显差别，而OI的差别相对比较大；靶区自动勾画的DSC和OI均无统计学差异。结论：两种软件勾画结果大部分无统计学差异，均会在危及器官勾画上给勾画者节省时间、减少工作量，同时靶区的自动勾画也可以为自适应技术提供便利。

鼻咽癌；自动勾画；危及器官；靶区

DOI∶ 10.3969/J.ISSN.1672-8270.2015.07.012

[First-author’s address] Academy of Physics and Technology, Wuhan University, Wuhan 430072, China.

目前，放射治疗已成为治疗肿瘤的常规手段，在头颈部肿瘤的治疗中放射治疗也具有明显的优越性[1-2]。由于鼻咽癌的肿瘤形状不规则，危及器官较多，使得鼻咽癌危及器官的勾画成为一个很费时的过程[3-4]。

随着精确放射治疗时代的到来，对图像引导或自适应放射治疗的研究越来越多，需要采集更多的图像，处理更多的靶区和危及器官。对于相同的危及器官或靶区，不同的医生会产生不同的勾画结果，甚至对于相同的危及器官同一个医生在不同时期会产生不同的勾画结果，使得越来越多的研究致力于危及器官或靶区的自动勾画，在节省勾画时间的同时提高危及器官勾画的一致性和规范性[5-7]。本研究选取两家具有代表性的软件开发商的自动勾画软件，对同一组CT图像进行自动勾画结果的比较，分析放射治疗中鼻咽癌患者CT图像的靶区和危及器官勾画效果的差异。

1 资料与方法

1.1 一般资料

随机选取2013年2月至2014年9月北京协和医院收治的70例靶区相似的鼻咽癌患者，所有患者在CT定位时均采用仰卧位，热塑面膜固定头颈肩，扫描层厚为3 mm。从中随机选出已勾画好的50例患者的CT图像，通过DICOM传入自动勾画工作站，并建立数据库作为参考图像，其他的20例患者的CT图像传入自动勾画工作站作为目标图像。

1.2 软件工作站

采用RS(Raystation v3.99.0.7by Raysearch crop)版本中的Atlas Based segmentation功能和自动勾画软件MIM5.4(by MIMVista crop)。以CT图像为基础，通过详尽计算解剖结构边界，为放射治疗计划提供必须的轮廓勾画[8]。MIM采用STAPLE算法，将模版库中的图像与目标图像相对应，产生勾画结果并自动评估勾画结果进而取多组数据间关系，以达到更好的勾画结果；RS采用通过数据库中患者模版图像与目标图像之间的形变等处理，将模版图像中的靶区和危及器官的轮廓移植到目标图像中。对两种软件自动勾画的结果与医生手动勾画的结果进行比较(如图1、图2所示)。

图1 MIM软件对鼻咽癌靶区和危及器官自动勾画吻合情况截面图

图2 RS软件对鼻咽癌靶区和危及器官自动勾画吻合情况截面图

1.3 勾画内容

根据鼻咽癌放射治疗的要求，选其中勾画体积比较大，勾画较为费时的危及器官和靶区作为勾画目标，分别为脑干、脊髓、眼球、下颌骨、口腔、喉、腮腺以及靶区(CTV)和计划靶区(PTV)。为了在统一标准情况下比较两种软件，本研究选用医师已勾画好的危及器官及靶区作为标准，将两种自动勾画的结果与其进行比较，而非自动勾画后手动修改的结果与自动勾画进行比较(如图1、图2所示)。图1、图2显示MIM软件和RS软件自动勾画和手动勾画的靶区和危及器官结果。

表1 两种软件对危及器官勾画结果OI的比较

1.4 评估结果

本研究对自动勾画的危及器官和靶区的轮廓与医生已勾画的轮廓进行对比，运用交叉指数(overlap index，OI)和形状相似性系数(dice similarity coefficient，DSC)进行评估(公式1、公式2)：

式中Va表示自动勾画的轮廓的体积，Vm表示医生基础上手动勾画的轮廓的体积[9-10]。

1.5 统计学方法

采用SPSS 17.0软件对两种软件勾画的结果进行配对t检验统计学分析，以P＜0.05为差异有统计学意义。

2 结果

2.1 两种软件对危及器官勾画结果OI和DSC的比较

(1)两种软件对危及器官和靶区自动勾画的DSC和OI均可达到较好的结果，危及器官自动勾画的OI均值以及配对t检验结果显示，RS软件OI均值均＞0.72，其中下颌骨OI最高，脊髓OI值最小；MIM软件的OI均值均＞0.6，眼球的OI值最大，腮腺OI值最小。眼球、脊髓的OI结果MIM明显优于RS，而腮腺和喉的结果RS优于MIM的结果，其他危及器官无统计学差异，见表1。

(2)两种软件对靶区勾画结果OI的比较显示，CTV与PTV的OI值差异无统计学意义(t=0.401，t=0.204；P＞0.05)，见表2。

表2 两种软件对靶区勾画结果OI的比较

表3 两种软件对危及器官勾画结果DSC的比较

图3 两种软件自动勾画DSC均值和方差比较结果

图4 两种软件自动勾画OI均值和方差比较结果

(3)危及器官自动勾画的DSC结果显示，RS软件DSC均值均＞0.74，其中下颌骨DSC值最高，腮腺DSC值最小；MIM软件的DSC均值均＞0.63，下颌骨的DSC值最大，喉的DSC值最小。喉、下颌骨及右侧腮腺的DSC结果RS优于MIM，其他危及器官无统计学差异(见表3)。

(4)两种软件对靶区勾画结果DSC的比较显示，CTV与PTV的DSC值差异无统计学意义(t=0.375，t=0.92；P＞0.05)，见表4。

表4 两种软件对靶区勾画结果DSC的比较

本研究中表1、表2、表3和表4的结果表明，对于体积比较大的轮廓口腔和靶区，两种软件均无统计学差异。

2.2 两种软件自动勾画DSC和OI的均值和方差比较

(1)两种软件自动勾画DSC的均值和方差，其DSC越接近于1则表明自动勾画结果越好。大部分危及器官DSC的平均值在0.7～0.9之间，下颌骨的自动勾画结果最好，为0.89，主要是因其密度与周围组织分界比较清晰。而脊髓的勾画后需要修改的并不是最多的，虽然其DSC和OI值并不理想，这可能与公式中所用的手动勾画的体积Vm选用的为事先勾画好的而非自动勾画完后手动修改的体积值有关(如图3所示)。

(2)两种软件自动勾画的OI的均值和方差，同样是值越接近于1勾画结果越好，而方差越小表明结果越稳定，其中下颌骨的结果较为稳定，而腮腺和眼球的变动幅度比较大，表明自动勾画软件对腮腺和眼球勾画偶然性比较大(如图4所示)。

3 讨论

虽然通过自动勾画的危及器官和靶区需要进一步修改，但仍可在一定程度上减少医师的工作量。通过对于自动勾画时间的记录，MIM软件勾画时间约需1～2 min，相比于RS的6～7 min更快些。常规医师勾画危及器官的时间通常为100 min左右，而自动勾画完修改危及器官的时间通常为30 min左右。在建立数据库的复杂程度方面，MIM和RS均较简单，而且可将下次勾画好的再加进数据库中，使得数据库越来越大。由于此功能是基于图像的数据库勾画，数据库中导入患者图像的例数会影响最后的勾画结果，数据库越大越全，自动勾画会越精确[11]。对于患者CT图像的挑选，患者进行CT图像扫描时尽量采取相同的体位和固定方式，扫描层厚及重建层厚一致对最后的勾画结果也有比较大的影响。基于数据库的自动勾画软件在选择参考图像轮廓时，应尽量选择相似的轮廓或者在有条件的基础上尽量扩大数据库的数据量，以最大限度提高吻合度，且自动生成的轮廓需认真检查修改，尤其是在患者解剖结构变化比较大时更需认真检查与修改[12]。

目前，精确放射治疗已经成为一种趋势，在自适应过程中，要采集多幅CT、CBCT及MVCT图像，而在处理图像过程中有大量的危及器官和靶区需要勾画，由于是同一患者的图像，其图像有很大的相似性，这也是基于数据库自动勾画软件的一大优势[13-15]。自动勾画软件无疑成为很好的选择，在节省时间的同时使得靶区和危及器官的一致性有了一定的参考依据[16]。

MIM和RS两种软件均为较新的版本，本研究结果表明，虽然有的危及器官会有一定差异，可能与所建数据库的数量比较少或目标图像数量比较少有关，但总体的勾画结果相差并不大，均可以给临床带来很大的方便。靶区或危及器官的体积越大，其结果越稳定，两种软件的自动勾画结果越无统计学差异。

4 结语

目前，对自动勾画的软件应用于头颈部较多，但对于其他部位自动勾画的结果尚不理想，其原因可能是由于头颈部解剖有比较明显的骨性标记，对此尚需对计算方法进行逐步改善，以便将MIM和RS自动勾画软件更广泛地应用于放射治疗中。

[1]邵雨卉,付杰.头颈部肿瘤自适应放疗的研究进展[J].中国癌症杂志,2014,24(12):951-955.

[2]Kranen SV,Mencarelli A,Beek SV,et al.Adaptive radiotherapy with an average anatomy model:Evaluation and quantification of residual deformations in head and neck cancer patients[J]. Radiat Oncol,2013,109(3):463-468.

[3]蒋晓芹,段宝风,艾平,等.基于图谱库的自动轮廓勾画软件(ABAS)在鼻咽癌调强放疗中的应用[J].中国医学物理学杂志,2013,30(2):3997-4000.

[4]张秀春,胡彩荣,陈传本,等.基于参考图像的ABAS软件自动勾画技术在头颈部肿瘤中的应用研究[J].中华放射肿瘤学杂志,2011,20(6):510-512.

[5]Hwee J,Louie AV,Gaede S,et al.Technology assessment of auto-mated atlas based segmentation in prostate bed contouring[J].Radiat Oncol, 2011,6:110.

[6]Thomson D,Boylan C,Liptrot T,et al. Evaluation of an automatic segmentation algorithm for definition of head and neck organs at risk[J].Radiat Oncol,2014,9:173.

[7]Schreibmann E,Fox T.Towards automated planning for unsealed source therapy[J].J Appl Clin Med Phys,2012,13(4):3789.

[8]杜国波,蒋利华,郭飞,等.ABAS软件自动勾画技术在鼻咽癌调强放疗中的应用研究[J].中华放射肿瘤学杂志,2014,23(1):63-64.

[9]Tsuji SY,Hwang A,Weinberg V,et al.Dosimetric evaluation of automatic segmentation for adaptive IMRT for head-and-neck cancer[J].Int J Radiat Oncol Biol Phys,2010,77(3):707-714.

[10]Teguh DN,Levendag PC,Voet PW,et al.Clinical validation of Atlas-based auto-segmentation of multiple target volumes and normal tissue structures in the head and neck[J].Int J Radiat Oncol Biol Phys,2011,81(4):950-957.

[11]Young AV,Wortham A,Wernick I,et al. Atlas-based segmentation improves consistency and decreases time required for contouring postoperative endometrial cancer nodal volumes[J].Int J Radiat Oncol Biol Phys,2011,79(3):943-947.

[12]La Macchia M,Fellin F,Amichetti M,et al. Systematic evaluation of three different commercial software solutions for automatic segmentation for adaptive therapy in head and neck,prostate and pleural cancer[J].Radiat Oncol, 2012,7:160.

[13]Castelli J,Simon A,Acosta O,et al.The role of imaging in adaptive radiotherapy for head and neck cancer[J].Biomedical IRBM,2014,35:33-40.

[14]夏邦传,徐子海,廖福锡,等.基于CT-ON-RAIL系统开展的图像引导自适应放疗研究进展[J].中国医疗设备,2013,28(1):62-65.

[15]王锐濠,张书旭,林生趣.基于CT图像引导鼻咽癌自适应放疗研究进展[J].中华肿瘤防治杂志,2014, 21(7):560-564.

[16]Teguh DN,Levendag PC,Voet PW,et al.Clinical validation of Atlas-based auto-segmentation of multiple target volumes and normal tissue structures in the head and neck[J].Int J Radiat Oncol Biol Phys,2011,81(4):950-957.

Comparison of the two softwares for ABAS in NPC

SHAN Shu-can, QIU Jie, QUAN Hong, et al
China Medical Equipment,2015,12(7)∶33-36.

Objective∶ To validate, in the context of adaptive radiotherapy, two commercial softwares for atlas-based auto-segmentation through a comparison with manual delineation of target or OAR. Methods∶ A total of 70 patients were enrolled in this study(50 patients set up the atlas, and the remainder were the target image). Dice similarity coefficient(DSC)and overlap index(OI)were introduced to evaluate the auto-contours. The discrepancy between the two software was evaluated through paired t-test. Results∶ The DSC and OI of OAR is between 0.7-0.9. The DSC of OAR is no significant difference between the MIM 5.4(by MIMVista crop)and the RS(Raystation v3.99.0.7 by Raysearch crop); The difference of OI is relatively large. There is no statistical difference of DSC and OI in target auto-contouring. Conclusion∶ Although editing of the auto-contouring is inevitable, a substantial time reduction was achieved using editing, instead of manual contouring. The result of auto-contouring of the target can give some reference for adaptive radiotherapy.

Nasopharyngeal darcinoma; Atlas-based auto-segmentation; Organs at risks; The target

1672-8270(2015)07-0033-04

R739

A

单书灿,女,(1986- ),硕士研究生。武汉大学物理科学与技术学院，研究方向：医学物理。

2015-01-22

①武汉大学物理科学与技术学院 湖北 武汉 430072

②北京协和医院放疗科 北京 100730