AccuContour软件在自动勾画口腔颌面头颈肿瘤患者口腔结构的应用

上海交通大学医学院附属第九人民医院 口腔颌面-头颈肿瘤科，上海 200011

引言

口腔颌面头颈部恶性肿瘤是全球十大恶性肿瘤之一，占全身恶性肿瘤约7%，每年新发病例近30万例，死亡病例12.8万例。口腔颌面部肿瘤的发病率逐年递增，主要是受到人乳头状瘤病毒感染、槟榔咀嚼等影响[1-2]。放射治疗是口腔颌面头颈部恶性肿瘤综合序列治疗中的重要一环。随着放疗技术的不断进步，图像引导调强放疗（Intensity Modulated Radiotherapy，IMRT）技术和容积旋转调强技术等放疗技术的广泛应用。在肿瘤放射治疗流程中，危及器官（Organ at Risk，OAR）的精确勾画是实施的关键一环[3]，特别对于头颈部肿瘤来说，由于靶区与OAR空间位置距离很近，给OAR的保护造成一定困难，故精确勾画危机器官成为关键一环。常规的OAR勾画由医生在患者的定位CT上进行逐层勾画，工作量大，且勾画结果受到医师主观的影响，给放疗实施带来不确定性。近年来随着自动勾画工具的出现[4-5]，在一定程度上解决了上述问题，但勾画精度和临床应用价值仍值得探讨。

现有的自动勾画技术主要包括基于图谱库[6-8]和深度学习[9-11]的自动勾画技术。上述两种原理的自动勾画技术各有优劣势，学者们均有研究。IMRT可以在提高肿瘤局控率的同时降低正常组织的受量，减少并发症的发生，故在头颈部肿瘤放疗中已经成为常规应用。放射性口腔黏膜炎是口腔颌面-头颈部恶性肿瘤放疗患者的严重并发症之一[12]，口腔表现为口腔黏膜充血、红斑、糜烂、溃疡及纤维化等，患者会出现疼痛、进食困难、口干和味觉障碍等。故口腔作为OAR在头颈部肿瘤放疗中的保护尤为重要，其受照剂量直接关系到预后和患者的生存质量。基于此，本研究主要目的是测试和评估AccuContour软件在口腔颌面头颈部恶性肿瘤患者口腔结构的勾画应用价值，主要选取30例口腔颌面头颈肿瘤放疗患者的定位CT图像，分别按照手工和自动两种勾画方式分别勾画口腔结构，使用戴斯系数（Dice Similarity Coefficient，DSC）、体积差异比、质心距离和Hausdorff距离4类指标评估该软件的勾画准确性，探讨该软件的应用价值，以期对正常组织的勾画和保护有进一步的研究。

1 材料与方法

1.1 病例选择

选取我院在2020年5月至9月收治的30例口腔颌面头颈部肿瘤放疗患者为研究对象。纳入标准：口腔颌面头颈部肿瘤术后患者；肿瘤侵犯单侧；为单侧颊癌或单侧腮腺癌。排除标准：未手术患者。其中男性22例，女性8例；平均年龄为（56.33±15.83）岁。将患者进行编号，分别为A1～A30。上述患者均使用GE Discovery RT CT模拟定位机进行定位CT扫描，患者均为仰卧位，使用碳纤维固定底板+头颈肩面罩实现患者的体位固定。扫描参数为：层厚2.5 mm，管电压120 kV，扫描结束后将图像传输至MIM图像处理软件。

1.2 口腔结构勾画

上述患者的定位CT分别进行手工勾画和自动勾画，勾画结构为口腔。为保证手工勾画的一致性，由同一名高年资的临床医师在MIM软件上进行勾画，勾画标准按照RTOG的头颈部危机器官勾画共识[13]进行勾画。

自动勾画是将上述30例患者的放疗定位CT图像经MIM软件传输至AccuContour自动软件，应用该软件对每例CT图像建立结构合集，选择仅勾画口腔，其余正常组织均不勾画，自动勾画完成后将勾画好的结构文件经局域网传输至MIM软件。AccuContour自动勾画软件是由Manteia公司开发的一款基于深度学习的自动勾画软件，该软件实现自动勾画的原理主要是通过建立图像分割模型，并以多种网络结构模型、多种loss结构融合进行训练，从而学习大量数据，最终实现图像的自动分割与自动勾画[14]。本研究所使用AccuContour软件勾画模型是固化一致性模型，在数据收集过程中，遵循多中心、多地域、多病种的原则，尽量增加训练数据的差异性，综合提升深度学习模型的精度。

1.3 评价指标

本研究选择自动勾画和手动勾画两种勾画的体积差异、质心距离差异以及形状一致性来评估自动勾画与手动勾画的吻合度，研究中以手动勾画为参考。

（1）DSC。DSC定义为两个结构的一致性，表示重叠区域的所占比例，见式(1)，取值范围为0～1，其值越大表示两个结构的相似性越高，一般来说DSC＞0.7代表两个结构重合度较好[15]。式中，V自动为手动勾画的体积；V手动为自动勾画的体积。

（2）体积差异百分比。体积差异百分比定义为，两种勾画体积的差值与手动勾画体积的百分比，见式(2)。

（3）质心距离差异。两种勾画的质心距离差异定义为两种勾画的质心坐标之差，见式(3)～(5)。

（4）Hausdorff距离。Hausdorff 距离如式(6)～(7)所示，其中h(V自动，V手动)表示两个体积内的点的距离最大值，a和b是两个体积内的点。Hausdorff距离越小，表明自动勾画与手工勾画越接近，勾画结果越好。

1.4 统计学方法

采用SPSS 21.0软件进行统计学分析，使用Shapiro-Wilk方法检验数据是否满足正态分布，正态分布数据用±s表示，使用Pearson相关分析，P＜0.05为具有统计学意义。

2 结果

图1～3分别显示了口腔结构自动勾画和手工勾画的DSC与Hausdorff距离、矩心距离差异和体积差异百分比。图1的折线图显示两种勾画方式的DSC为0.76±0.10，最大DSC（勾画最为相似）为0.87，最小DSC为0.57；这表明总体上口腔结构自动勾画和手工勾画的相似性较高，除个别患者（A3、A7、A11、A20和A30）的口腔结构勾画差异性较大，DSC低于0.7；图1的柱状图为Hausdorff距离的统计值（1.96±0.56）cm，其中Hausdorff距离差距较大（＞2 cm）的正是上述DSC较低的病例资料。

图1 口腔结构自动勾画和手工勾画的DSC和Hausdorff距离

图2显示的是两种勾画方式矩心距离的差异性，其实质是两种勾画方式各方向上的勾画差异性，从折线图上看出在x（左右）方向差异性很小，而y（上下）方向和z（前后）方向上差异性相对较大。矩心x方向的差异性为（-0.02±0.09）cm，矩心y方向的差异性为（-0.28±0.26）cm，矩心z方向的差异性为（-0.31±0.55）cm。

图2 口腔结构自动勾画和手工勾画的矩心距离差异

表1表示的是30例口腔颌面头颈肿瘤患者口腔结构勾画统计的6类参数（DSC、矩心x值、矩心y值、矩心z值、体积差异和Hausdorff距离），包括各类参数的最大值、最小值、平均值和标准差。将30例患者的DSC和体积差异行Pearson相关分析检验，结果显示相关系数为-0.735，两者差异具有统计学意义（P＜0.001）。将30例患者两种勾画的DSC和体积差异制成散点图（图3），并对散点进行拟合，拟合公式为y=-1.6529x+1.444，R2=0.5403。散点图显示DSC和体积成线性关系。

图3 DSC和体积差异百分比的散点图

表1 30例口腔颌面头颈肿瘤患者口腔结构的勾画统计

3 讨论

口腔是上消化道的起始，毗邻上呼吸道、颅底等重要解剖结构，是行使呼吸、咀嚼、吞咽及辅助言语等生理功能的重要器官[16]。对于口腔颌面头颈恶性肿瘤放疗患者来说，口腔结构紧邻靶区，是重要的OAR，需要精确勾画并进行剂量评估。现有的放疗图像处理软件和计划系统大多提供基于CT值的自动勾画功能，该功能是基于勾画结构的CT值与周边组织差异较大的基础之上的，如肺组织和脊髓等。口腔结构CT值介于骨性组织和软组织之间，差异性较大，现有治疗计划系统上尚未实现口腔结构的自动勾画。口腔结构作为并行器官，过高剂量会导致严重的放疗副反应，如口腔黏膜炎等的发生。现有研究表明一般黏膜剂量接受10～20 Gy的剂量照射时口腔黏膜会出现过度角化[17]；当剂量超过30 Gy时，口腔黏膜炎可能进入更为严重的阶段，表现为溃疡的形成，口腔成为细菌繁殖的环境[18]，故口腔结构在放疗中的保护成为重要研究方向，其中精确勾画是基础，从而更好地进行剂量和计划评估。本研究结果显示，AccuContour软件的自动勾画口腔结构与手工勾画的DSC为0.76±0.1；这表明在大多数测试病例中自动勾画和手动勾画一致性较好；但部分测试病例出现了DSC比较低的情况，如A3、A7、A11、A20和A30病例，DSC均小于0.7，通过详细查看勾画，发现上述病例是因为存在金属植入物导致金属伪影的产生，导致勾画相差较大；该结果也与AccuContour软件自动勾画原理有关，基于深度学习的勾画是采用一定的数据集进行，在模型移植上会有部分病例难以达到原测试集的精度[19]。体积差异百分比的数据同样证实了上述结论，两者勾画的平均体积差异为18.72%，上述病例的体积差异均远大于平均体积差异。对于Hausdorff距离指标，测试病例勾画平均距离为（1.96±0.56）cm；两种勾画的矩心距离差异数据表明，相比x方向上，y方向和z方向的勾画差异更大，分别达到了（-0.28±0.26）cm和（-0.31±0.55）cm。这表明在口腔结构自动勾画中，勾画误差主要来源于上下方向和前后方向；这可能与口腔的解剖结构的特殊性有一定关系，口腔前界由上下唇组成的口裂构成、后界借软腭、咽前柱、舌轮廓乳头与口咽分开；上届为硬腭，下届为口底，两外侧壁由颊部构成并与齿龈相延续[18]。在口腔结构的左右方向边界较为清晰，而上下和前后方向毗邻结构较多，CT值比较接近，导致自动勾画的差异性较大。这提示在使用自动勾画时，应针对每个OAR的解剖位置不同，重点关注不同方向的勾画差异，特别是与周围临近组织CT值差异较小的组织器官。而根据文献报道，OAR与周围组织器官CT值差异较大时，如下颌骨等骨性组织，其自动勾画效果较好。测试病例的DSC和体积差异相关分析结果显示，两指标存在相关关系，具有统计学意义，且具有线性关系，一般来说DSC较高的病例其体积差异越小。

综上所述，AccuContour软件的自动勾画工具对口腔颌面头颈肿瘤放疗患者的口腔结构的勾画能达到较满意的结果，但本版本的工具对于部分受金属伪影影响的CT图像，其勾画效果不佳，仍需手工修改。当然本研究尚存在不足之处，如纳入测试的病例数较少，期望通过优化改进，提高自动勾画能力，更好的辅助临床工作。