基于深度学习的rtStation软件自动勾画乳腺癌术后患者心脏结构的应用分析

时飞跃，王敏，赵紫婷，秦伟，赵环宇，魏晓为

1.南京医科大学附属南京医院（南京市第一医院）肿瘤放疗中心，江苏南京210006；2.南京医科大学医学物理研究中心，江苏南京210029；3.南京医科大学附属南京医院（南京市第一医院）医疗设备处，江苏南京210006

前言

据统计，乳腺癌占所有女性癌症的15%，发病率居于女性恶性肿瘤的首位，且是30～59岁年龄段首要致死癌症类型［1-2］。治疗方式主要分为保乳和根治。乳腺癌保乳术后放疗的方法，可有效提高患者生活质量，兼顾生存率与乳房美观，在我国该方法的应用比例逐渐增加［3］。乳腺癌改良根治术，是我国目前乳腺癌治疗的主要术式，放射治疗是预防乳腺癌术后局部复发的最有效手段［4］。在物理师设计乳腺癌术后放疗计划前，放疗医师需要准确勾画左肺、右肺、脊髓、心脏等危及器官。心脏作为危及器官之一，其结构的准确勾画对乳腺癌术后放疗患者的精确计划设计和剂量评估有重要意义。但放疗医师逐层手工勾画心脏结构等危及器官，会花费许多宝贵的时间，相应减少了靶区勾画等更重要工作的时间。近年来，多款基于人工智能技术的商用自动轮廓勾画软件（或软件模块）在放疗领域得到了应用［5-9］，这在很大程度上提高了放疗医师的勾画工作效率。上海大图医疗科技有限公司的rtStation软件是其中之一。目前国内对rtStation软件自动勾画危及器官效果的报道较少［10］。本研究选取不同类型乳腺癌术后患者，使用rtStation软件自动勾画心脏结构，对自动勾画的效果进行分析，为放疗工作人员应用该软件提供有益的数据参考。

1 材料与方法

1.1 软件

本研究使用上海大图医疗科技有限公司（简称大图医疗）的rtStation（版本1.4.0）。该软件是一款基于深度学习的放疗软件，可为放疗工作人员提供自动勾画、配准融合及剂量评估等工具，可自动勾画头、颈、胸、腹和盆腔等多部位的危及器官。

rtStation软件自动勾画危及器官结构，使用的分割算法为nnU-Net，该算法会根据特定数据集和硬件环境，按照启发式的规则，计算得到最佳的网络配置，并且自动调整训练和推理过程以适应不同的分割任务。nnUNet首先会提取数据集的指纹信息，接着按照启发式的规则，得到相应的推理参数，最后根据这一系管道指纹，自动化设计深度学习方案。关于心脏结构勾画的训练，训练数据为脱敏的胸部肿瘤患者数据，共172组，其中138组用于训练，34组用测试。

1.2 病例选择

选取南京医科大学附属南京医院（南京市第一医院）收治的乳腺癌术后患者40例，收治时间为2017年11月～2019年6月。患者平均年龄52岁，中位年龄为52岁，年龄范围28～77岁。对40例患者进行编号。40 例患者分为左侧保乳组（LB 组）、右侧保乳组（RB组）、左侧根治组（LG组）和右侧根治组（RG组），每组10 人。CT 定位扫描使用的是西门子SOMATOM Sensation Open CT 模拟机，CT 重建的层厚为5 mm，层间距为5 mm。扫描结束后，将定位CT 图像传输至瓦里安Eclipse治疗计划系统。

1.3 心脏结构勾画

在放疗日常工作中，放疗工作人员使用Eclipse治疗计划系统的勾画工具，在CT 图像中手工勾画乳腺癌患者的心脏结构。

在本研究中，首先将40例患者的定位CT 图像从Eclipse 传输至rtStation，应用rtStation 软件的自动勾画工具，对每例患者选择仅勾画心脏结构。自动勾画完成后，将含有自动勾画结构的dicom 文件导出并传输至Eclipse。

1.4 评价参数

以手工勾画结构为参考数据，以自动勾画结构为测试数据，计算两种勾画结构之间的体积差异、位置差异和形状一致性，从而评价软件自动勾画的效果。体积差异△V%、位置差异DC（质心偏差）及形状相似性指数（Dice Similarity Coefficient,DSC）的定义公式分别如下：

其中，Vauto代表自动勾画的结构体积，Vmanu代表手工勾画的结构体积；Δx=|xauto-xmanu|，Δy = |yauto- ymanu|，Δz=|zauto-zmanu|，xauto、yauto和zauto分别代表自动勾画结构在3 个方向的几何中心坐标，xmanu、ymanu和zmanu分别代表手工勾画结构在3 个方向的几何中心坐标。根据公式，DSC 的取值范围为0～1，值越大表示两个结构的形状越接近。一般认为，两个结构轮廓重合较好的DSC值应大于0.7［11］。

1.5 统计学方法

使用SPSS 23.0软件对数据进行分析。统计每一组相关参数的最大值、最小值、均值±标准差；对LB、RB、LG 和RG 4 组的3 个参数（△V%，DC 和DSC）进行单因素方差分析，并采用LSD-t检验进行组间两两比较；使用独立样本t检验，对保乳组（LB+RB）和根治组（LG+RG）进行比较，对左侧组（LB+LG）和右侧组（RB+RG）进行比较，P＜0.05为结果有统计学差异。

2 结果

对于选取的40例乳腺癌患者，rtStation软件自动勾画和手工勾画心脏结构的△V%、DC 及DSC 值，使用统计学的箱式图进行统计，见图1。

图1 40例乳腺癌患者心脏结构的△V%（a）、DC（b）和DSC（c）值的数据箱式图Fig.1 Box plots of volume difference(ΔV%)(a),deviation of centroid(DC)(b)and Dice similarity coefficient(DSC)(c)of the heart in 40 patients with breast cancer

由统计数据可得，自动勾画心脏结构最差和最好的数据分别是26 号和31 号患者。图2和图3分别列出这两位患者心脏结构的勾画截图。

图2 26号患者的勾画截图（浅蓝色线：自动勾画；黄色线：手动勾画）Fig.2 Delineation results of No.26 patient(cyan line:automatic delineation;yellow line:manual delineation)

图3 31号患者的勾画截图（浅蓝色线：自动勾画；黄色线：手动勾画）Fig.3 Delineation results of No.31 patient(cyan line:automatic delineation;yellow line:manual delineation)

对体积差异、位置差异和形状一致性的数据进行比较分析。对LB 组、RB 组、LG 组和RG 组4 组，以及LB+RB、LG+RG、LB+LG、RB+RG 4个组合组，以及40例患者总体数据（SUM40组）进行统计分析，得到最大值、最小值、均值±标准差。统计结果见表1、表2和表3。

表1 乳腺癌患者心脏结构△V%统计数据（%）Tab.1 Statistical data of △V%of the heart in patients with breast cancer(%)

表2 乳腺癌患者心脏结构DC统计数据（cm）Tab.2 Statistical data of DC of the heart in patients with breast cancer(cm)

表3 乳腺癌患者心脏结构DSC统计数据Tab.3 Statistical data of DSC of the heart in patients with breast cancer

对LB、RB、LG 和RG 4 组△V%进行单因素方差分析，并采用LSD-t检验进行组间两两比较，结果均无统计学差异（F=0.331,P＞0.05）。使用独立样本t检验，对保乳组（LB+RB）和根治组（LG+RG）进行比较，结果无统计学差异（t=-0.410,P＞0.05）；对左侧组（LB+LG）和右侧组（RB+RG）进行比较，结果无统计学差异（t=0.271,P＞0.05）。

对LB、RB、LG 和RG 4 组DC 进行单因素方差分析，并采用LSD-t检验进行组间两两比较，结果均无统计学差异（F=0.109,P＞0.05）。使用独立样本t检验，对保乳组（LB+RB）和根治组（LG+RG）进行比较，结果无统计学差异（t=-0.214,P＞0.05）；对左侧组（LB+LG）和右侧组（RB+RG）进行比较，结果无统计学差异（t=0.517,P＞0.05）。

对LB、RB、LG 和RG 4 组DSC 值进行单因素方差分析，并采用LSD-t检验进行组间两两比较，结果均无统计学差异（F=0.323,P＞0.05）。使用独立样本t检验，对保乳组（LB+RB）和根治组（LG+RG）进行比较，结果无统计学差异（t=0.383,P＞0.05）；对左侧组（LB+LG）和右侧组（RB+RG）进行比较，结果无统计学差异（t=-0.836,P＞0.05）。

对软件自动勾画和手工勾画心脏结构所用的时间进行统计，并对两者的平均值进行比较。本部门放疗工作人员手工勾画心脏结构的平均时间约为284 s，大图医疗rtStation软件自动勾画心脏结构的平均时间约为58 s。

3 讨论

在乳腺癌根治术基础上发展起来的改良根治术，是我国目前乳腺癌治疗的主要术式。随着乳腺癌综合治疗水平的提高和患者对改善自身生活质量要求的提高，在我国乳房保留手术（保乳术）的比例逐渐增加。放射治疗是预防乳腺癌术后局部复发的最有效手段，是乳腺癌综合治疗的重要组成部分。

对于胸部肿瘤放疗患者，心脏是需要严格保护的危及器官，只有准确勾画心脏结构，才能实现对心脏的有效保护。乳腺癌患者（尤其是左侧乳腺癌患者），对心脏的剂量限值有较高要求［11］。因此，对于乳腺癌放疗患者，需要精确勾画心脏结构，并在放疗计划设计时对心脏进行保护。人工智能（AI）技术的发展推动了自动轮廓勾画在放疗领域的应用。近年来，市场上出现了许多商用放疗自动勾画软件（或软件模块），主要分为基于图谱库和基于深度学习两种，前者包括ABAS［5,12-13］、MIM［6,14-15］、OnQ［7］、Raysation［8］，后者包括RAIC·OIS［9］（北京连心）、DeepViewer［16-17］（安徽慧软）、rtStation［10］（上海大图）和AccuContour（厦门MANTEIA）等［18-19］。使用上述自动勾画软件，可以有效缩短危及器官的勾画时间，并且减少不同勾画者手工勾画的主观差异。

由图1a 和表1的统计数据可见，各组ΔV%的均值都大于0，表明自动勾画的心脏体积较手工勾画普遍偏大；由图1b 和表2中DC 的统计数据可见，各组位置差异数据相差不大；由图1c 和表3中DSC 的统计数据可见，各组、各组合组及总体数据的DSC 平均值达到0.88或0.89，表明该软件自动勾画心脏结构的轮廓形状普遍较好。一般DSC 值超过0.7 即可认为勾画效果较佳，有临床应用意义。统计学分析结果显示，对于ΔV%、DC、DSC 值3 种参数，LB、RB、LG、RG 4 组之间没有统计学差异，LB+RB 和LG+RG 两组之间没有统计学差异，LB+LG 和RB+RG 两组之间没有统计学差异。由勾画时间数据的比较可见，与手工勾画相比，使用rtStation 软件进行心脏结构的自动勾画，可节约80%的时间，从而有效提高放疗工作效率。本部门前期使用RAIC·OIS（版本2.0.16）自动勾画了食管癌患者的心脏结构，ΔV%、DC 和DSC的平均值分别为-17.08%、0.31 cm 和0.87［9］。本部门前期使用安徽慧软DeepViewer（版本1.0）软件，对左侧乳腺癌患者的心脏结构进行了自动勾画，ΔV%、DC 和DSC 的平均值分别为-21.43%、0.37 cm 和0.84［16］。汪志等［17］使用DeepViewer对58例患者进行心脏结构的自动勾画，DSC 的平均值为0.876。本研究中，rtStation 软件的相关数据分别为3.49%，0.48 cm和0.89。3种软件数据的比较可见，除了位置差异值外，对于体积差异和形状相似性，rtStation 的自动勾画效果优于其他两款软件。图2所示为软件自动勾画结果最差的26 号患者的截图。由图2可见，自动勾画的心脏体积明显大于手工勾画，甚至还有部分自动勾画结构在肝脏中。原因可能是rtStation 软件在进行深度学习训练时，训练集中包含了多种胸部肿瘤患者（不仅仅只是乳腺癌患者）的CT 图像和心脏手工勾画结构，但是这些训练集数据与该患者的CT图像差异较大。图3所示为软件自动勾画结果最好的31号患者的截图，该患者的CT 图像应该与训练集数据差异较小。需要注意的是，随着技术的发展进步，每款自动勾画软件都在不断优化和进步中，上述讨论仅适用于文献报道及本研究中所使用版本的自动勾画软件。

综上所述，对于不同类型（左侧和右侧、保乳和根治）的乳腺癌术后患者，大图医疗的rtStation软件对心脏结构的勾画都能够达到满意的效果；对于体积差异、位置差异和形状相似性，不同类型患者的自动勾画结果没有统计学差异。使用该自动勾画软件可明显缩短心脏结构的勾画时间，有效提高放疗勾画工作效率。期待随着基于人工智能的自动勾画软件的不断优化和升级，肿瘤放疗患者能够得到更快、更精确的治疗！

致谢：衷心感谢大图医疗石峰和王文化在rtStation软件使用中提供的帮助和支持！