基于深度学习肝癌放射治疗中肾脏自动勾画的研究

钟胜河

(崇左市人民医院 肿瘤科，广西 崇左 532200)

0 引言

肝癌作为一种常见的癌症类型，目前已经成为影响人民健康的重要因素之一。原发性肝癌包括肝细胞癌(HCC，75%-85%)和肝内胆管癌(10%-15%)。绝大多数原发性肝癌患者不适合手术治疗。手术切除、肝移植和经皮穿刺是治疗早期肝癌的有效方法[1]。放射治疗是一种非手术替代疗法，通常用于治疗晚期肝癌患者[2,3]。由于在 20 世纪 90年代以前，放射治疗的精度较差，导致放疗的效果较差，且对肝肾脏损伤较大，因此对 HCC 患者较少进行放疗。随着精确放疗技术发展迅速，放射治疗技术日益成熟和广泛应用[4]。在物理师设计肝癌放疗计划前，肿瘤放射治疗医师需精确勾画临床治疗靶区、正常肝组织、肾脏等器官。肾脏作为危及器官之一，其结构的准确勾画对肝癌放疗患者的计划设计以及放疗剂量分布有重要的影响。但放疗医师逐层手工勾画肾脏轮廓，会花费许多宝贵的时间。

本研究选取不同具有放射治疗适应症的肝癌患者，利用卷积神经网络模型构建肝癌DICOM自动分割平台，实现对肝癌患者肾脏自动勾画，并对比分析自动勾画和人工勾画的效果，为肝癌放疗患者肾脏自动勾画提供参考。

1 材料和方法

1.1 病例选择

选取崇左市人民医院收治的具有放射治疗适应症肝癌患者50例，收治时间为2017年12月至2021年6月。患者平均年龄48岁，中位年龄为50岁，年龄范围30～62岁。对50例肝癌患者随机进行编号，并将前30例分入训练组，后20例分入测试组。

1.2 数据采集

利用真空垫进行体位固定，CT 定位扫描使用的是飞利浦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 13.5治疗计划系统。肿瘤放射治疗专家使用 Eclipse13.5治疗计划系统的勾画工具，在 CT图像中将50例肝癌患者的左右肾脏轮廓并逐例勾画，并记录测试组患者的勾画时间。将训练组勾画的结果进行图像预处理，用于自动分割平台的训练，构建肝癌患者肾脏自动勾画的平台。将测试集数据导入，并完成自动勾画，记录勾画时间。

1.3 评价指标

用手工勾画肾脏的轮廓为参考，对比自动勾画轮廓为的数据结果，计算两种勾画轮廓之间的体积差异、位置差异和形状一致性程度，从而评价软件自动勾画的效果。评价指标包括体积差异△V%、戴斯相似性系数(Dice Similarity Coefficient, DSC)和豪斯多夫距离(HausdorffDistance, HD)。

1.3.1 体积差异△V%

1.3.2 戴斯相似性系数(Dice Similarity Coefficient, DSC)

1.3.3 豪斯多夫距离(Hausdorff Distance, HD)

1.3.4 勾画时间

统计分析测试组，肿瘤放射治疗专家勾画左右肾脏的时间和自动勾画时间。

2 结果

2.1 体积差异△V%

20例测试患者自动勾画和手动勾画左右肾脏体积差异如图1所示，结果显示左肾体积差异平均值为：1.13%，标准差为5.86%，右肾体积差异平均值为：0.4%，标准差为5.21%。

图1 20例患者左右肾脏自动勾画和手动勾画体积差异

2.2 戴斯相似性系数(DSC)

如图2所示为20例测试患者自动勾画和手动勾画左右肾脏DSC值，结果显示右肾脏DSC平均值为：0.705，标准差为0.0964，左肾脏DSC平均值为：0.711，标准差0.0799，结果表明大多数样本的肾脏自动勾画结果和放疗专家手动勾画结果形状一致性较好。

图2 20例患者左右肾脏自动勾画和手动勾画形状相似性

2.3 豪斯多夫距离(HD)

如图3所示为20例测试患者自动勾画和手动勾画左右肾脏HD值，结果显示右肾脏HD平均值为：6.875mm标准差为1.7784，左肾脏HD平均值为：6.725mm，标准差为1.7922。

图3 20例患者左右肾脏自动勾画和手动勾画豪斯多夫距离

2.4 勾画时间

20例肝癌放疗患者左右肾脏自动勾画平均用时5.7s，肿瘤放射治疗专家人工勾画平均用时863.5s，自动勾画能显著降低左右肾脏勾画时间。

3 讨论

放射治疗已成为肝癌放射治疗的重要手段之一。逆向调强放射治疗相对传统三维二维放疗技术，能够明显在改善肿瘤靶区内放射剂量分布，并降低周围正常器官的照射剂量，目前临床放疗应用中占据主要地位[5]。靶区和危及器官的精确勾画是保障肝癌调强放疗实施中的重要内容，肿瘤放射治疗医师在放疗计划设计前需要准切完成临床靶区以及正常器官轮廓的勾画。然而，人工勾画轮廓不仅耗时耗力，且受到放疗医生的勾画经验以及医学影像质量等相关因素的影响。

Kieselmann等[6]12例患者的治疗前T1加权MR图像构建了影像图库，这些患者的腮腺、脊髓和下颌骨轮廓由临床医生进行勾画。并根据临床医师对OARs的勾画结果提取特征值。然后构建自动分割算法，并对新患者的MR进行自动分割。并计算Dice相似系数、标准和95%Hausdorff距离(HD和HD95)以及平均表面距离(measure surface distance，MSD)来测量几何精度，其中手动轮廓作为金标准。结果显示平均Dice相似系数平均值大于0.8，平均MSD小于2mm，表明基于影像图库自动勾画软件能有效的提高OARs自动勾画。Zhong等[7]开发了一套人工智能靶区勾画体系，使用Dice相似系数和95%Hausdorff距离(HD95%)对危及器官轮廓自动勾画精度进行量化，结果显示该自动系统在勾画脊髓、脑干、颞叶、眼睛、视神经、腮腺和喉部等危及器官方面表现最好(Dice相似系数＞0.7)，使用自动轮廓后，勾画时间从小时显著缩短到分钟，同时自动和手动勾画获得了极好的一致性，大多数OARs自动勾画可以达到临床接受水平。上述研究虽然取得一定得效果，但这些算法在临床放射治疗应用中仍然存在一些缺陷，譬如基于医学影像灰度值的自动分割方法对于 CT 影像中灰度值较为相似的区域自动分割效果偏差，而基于图谱库模板的算法则对模板质量要求较高，实际应用中难以完全达到临床需求，通常还需进行大量人为修正[8-10]。

本文基于卷积神经网络搭建肝癌放射治疗患者的左右肾脏实现自动勾画，测试集左右肾脏DSC相似性指数平均值分别为0.711和0.705，一般 DSC 值超过 0.7 即可认为勾画效果较佳，有临床应用意义。同时在勾画时间方面，自动勾画极大的降低了左右肾脏轮廓勾画的时间。虽然本研究取得了一定成果，但仍然存在一定不足，譬如算法训练集病例过少，日后工作需加入更多病例训练，提供勾画系统的精确度，让肝癌肿瘤放疗患者能够得到更快、更精确的治疗。