谷珊珊 田娟秀 王運(yùn)來 宋明永 王金媛 王曉深 鞠忠建*

隨著現(xiàn)代醫(yī)學(xué)的進(jìn)步，越來越多的腫瘤患者需要接受放射治療[1-2]。然而，患者在治療過程中由于體重減輕、腫瘤縮小、系統(tǒng)運(yùn)動(如呼吸)和隨機(jī)運(yùn)動等各種原因，計(jì)劃CT掃描中顯示的解剖信息在治療期間經(jīng)常改變，影響放射治療計(jì)劃的靶區(qū)覆蓋率和危及器官的保護(hù)效果[3]。自適應(yīng)放射治療(adaptive radiation therapy，ART)通過治療前圖像引導(dǎo)觀察治療過程中的解剖變化，并在患者腫瘤和危及器官的實(shí)際信息與定位信息發(fā)生明顯偏差時調(diào)整治療計(jì)劃。ART需要在最近采集的圖像上勾畫靶區(qū)和危及器官以觀察劑量變化，但臨床醫(yī)生運(yùn)用CT圖像勾畫危及器官工作量大，采用MIM軟件幫助醫(yī)生進(jìn)行危及器官的自動勾畫，可減少醫(yī)生的大量重復(fù)性工作[4]。由于模版數(shù)據(jù)庫所需病例基數(shù)大，限于臨床收治患者數(shù)量，各醫(yī)院入庫病例數(shù)無統(tǒng)一指導(dǎo)標(biāo)準(zhǔn)。

基于解放軍總醫(yī)院收治鼻咽癌患者數(shù)量多，原始病例資料積累多，可入庫病例數(shù)多，本研究探討采用MIM軟件模板數(shù)據(jù)庫中病例數(shù)對頭部危及器官自動勾畫的影響，指導(dǎo)臨床選取最佳病例數(shù)構(gòu)成自動勾畫數(shù)據(jù)庫。

1 資料與方法

1.1 一般資料

選取解放軍總醫(yī)院放射治療科2015年6月至2016年8月收治的150例鼻咽癌患者，其中男性87例，女性63例；年齡12～89歲，中位年齡51歲。按照數(shù)表法隨機(jī)將150例患者分為a、b、c、d共4組，a組(10例)，b組在a組基礎(chǔ)上+40例(50例)，c組在b組基礎(chǔ)上+50例(100例)，d組在c組基礎(chǔ)上+50例(150例)。在MIM軟件中分別建立a、b、c、d組患者的數(shù)據(jù)庫，數(shù)據(jù)庫包含CT圖像和醫(yī)生手動勾畫的危及器官輪廓信息。另選取2016年9月后收治的10例非數(shù)據(jù)庫患者的頭部CT圖像進(jìn)行危及器官的自動勾畫，與醫(yī)生手動勾畫結(jié)果作為金標(biāo)準(zhǔn)進(jìn)行比較。采用頭肩一體膜定位，使用西門子SOMATOM Definition AS CT掃描機(jī)掃描后圖像傳至醫(yī)生工作站，圖像格式為DICOM，層厚均為3 mm，醫(yī)生手動勾畫危及器官。

1.2 MIM軟件

MIM Maestro擁有用戶自定義Atlas庫、自動Atlas對象選擇以及VoxAlign算法，Contour CoPilot為CT和MR圖像提供自動勾畫解決方案。Atlas數(shù)據(jù)庫使用基于交互信息的算法，選擇一個與測試患者最佳匹配的病例，將該病例的勾畫輪廓進(jìn)行形變，形變的結(jié)果映射到測試患者CT上，形成自動勾畫的輪廓[5]。與預(yù)先勾畫整個器官或組織然后逐切面調(diào)整的方法相比，Contour CoPilot能學(xué)習(xí)勾畫修改，為醫(yī)生節(jié)省時間。MIM軟件的自動勾畫功能可以融入到編輯工作流中，在任意平面和任意模態(tài)均能實(shí)施自動勾畫。

1.3 Atlas數(shù)據(jù)庫的建立

將篩選的4組150例頭部CT圖像在MIM軟件中建立a、b、c、d對應(yīng)的4組數(shù)據(jù)庫，數(shù)據(jù)庫中包含CT圖像和醫(yī)生手動勾畫的危及器官輪廓信息。將另選取的10例患者的頭部CT圖像，進(jìn)行危及器官的Atlas自動勾畫，包括腦干、脊髓、眼球、晶體、視神經(jīng)、內(nèi)耳、腮腺、顳頜關(guān)節(jié)、口腔等危及器官或組織。醫(yī)生手動勾畫10例頭部CT圖像的危及器官或組織作為金標(biāo)準(zhǔn)，將MIM軟件自動勾畫的結(jié)果與金標(biāo)準(zhǔn)進(jìn)行比較。

1.4 評價標(biāo)準(zhǔn)

運(yùn)用形狀相似性系數(shù)(dice similarity coefficient，DICE)、豪斯多夫距離及Jaccard距離進(jìn)行評估。

(1)DICE的計(jì)算為公式1：

式中VA表示自動勾畫輪廓的體積，VB表示醫(yī)生手動勾畫輪廓的體積，DICE值越接近于1，表明兩樣本之間形狀相似性越大。

(2)定義空間中的兩個點(diǎn)集A={a1，a2，…}，B={b1，b2，…}，豪斯多夫距離用來衡量點(diǎn)集A、B間的距離，其計(jì)算為公式2：

(3)Jaccard距離用于描述集合之間的不相似度。Jaccard距離數(shù)值越大，樣本相似度則越低，其計(jì)算為公式3：

2 結(jié)果

2.1 危及器官或組織的DICE值

四組數(shù)據(jù)庫自動勾畫的危及器官DICE值在0.5～0.9之間，眼球、內(nèi)耳、口腔、腮腺等器官勾畫結(jié)果DICE值均＞0.8。模板數(shù)據(jù)庫包含病例數(shù)越多，眼球、內(nèi)耳、脊髓、視神經(jīng)等器官DICE值越高。Atlas自動勾畫表明，眼球、內(nèi)耳、口腔及腮腺的DICE值較其他危及器官或組織高，見表1。

2.2 危及器官或組織的豪斯多夫距離值

眼球、內(nèi)耳、顳頜關(guān)節(jié)、晶體等危及器官或組織的豪斯多夫距離(標(biāo)準(zhǔn)差)均值＜0.2，模板數(shù)據(jù)庫包含病例數(shù)越多，眼球、內(nèi)耳、視神經(jīng)等器官的豪斯多夫距離(標(biāo)準(zhǔn)差)值越小，見表2。

2.3 危及器官或組織的Jaccard距離值

模板數(shù)據(jù)庫包含病例數(shù)越多，Jaccard距離值越小，其中內(nèi)耳、顳頜關(guān)節(jié)、晶體、視神經(jīng)均值＜0.4，Atlas自動勾畫的樣本相似度高于其他危及器官或組織，見表3。

表1 危及器官或組織的DICE值

表2 危及器官或組織的豪斯多夫距離值(cm)

表3 危及器官或組織的Jaccard距離值

MIM在模板數(shù)據(jù)庫中尋找匹配的病例進(jìn)行配準(zhǔn)和輪廓映射，與醫(yī)生手動勾畫比較能較為準(zhǔn)確的勾畫危及器官的輪廓。眼球、視神經(jīng)、內(nèi)耳、顳頜關(guān)節(jié)、口腔、腮腺等器官勾畫準(zhǔn)確，晶體及腦干勾畫相對較差，如圖1所示。

圖1 危及器官或組織勾畫示圖

3 討論

危及器官或組織的自動勾畫是目前放射治療的研究熱點(diǎn)，各種半自動和自動勾畫算法提供了大部分危及器官自動勾畫的方法[6-8]。放射治療計(jì)劃基于CT圖像的電子密度信息進(jìn)行劑量計(jì)算，腦干、內(nèi)耳、口腔等危及器官或組織的圖像解剖與周圍器官或組織差異小，一直是頭頸部危及器官自動勾畫的難點(diǎn)[9-10]?；贏tlas分割的自動勾畫方法采用大數(shù)據(jù)的深度學(xué)習(xí)，與CT圖像配準(zhǔn)結(jié)合，選取最優(yōu)的勾畫輪廓進(jìn)行映射。

MIM軟件在臨床應(yīng)用廣泛，已成為臨床圖像處理不可或缺的一部分，選取合適的病例數(shù)構(gòu)成模板非常重要[11-12]。MIM軟件構(gòu)建圖像數(shù)據(jù)庫操作簡便，本研究歷年收治的鼻咽癌病例數(shù)較多，臨床積累的大批基礎(chǔ)數(shù)據(jù)可篩選入庫。研究證明，眼球、內(nèi)耳、脊髓、視神經(jīng)等危及器官宜選用病例數(shù)多的模板數(shù)據(jù)庫進(jìn)行自動勾畫，模板數(shù)據(jù)庫中包含的病例數(shù)對腦干、顳頜關(guān)節(jié)、晶體、口腔、腮腺等危及器官或組織的自動勾畫的DICE值無明顯影響。但是，Atlas數(shù)據(jù)庫中病例數(shù)越多，Jaccard距離值越小，Atlas自動勾畫和醫(yī)生手動勾畫的輪廓相似度越高。晶體、腦干等器官還需要開發(fā)相應(yīng)的算法進(jìn)行自動勾畫。

4 結(jié)語

目前開發(fā)的自動勾畫軟件較多，但距離輪廓精確勾畫尚有差距，自動勾畫輪廓后仍需臨床工作者手動修改。基于大數(shù)據(jù)的深度學(xué)習(xí)是研究輪廓自動勾畫算法的熱點(diǎn)，取得了較好的勾畫結(jié)果，節(jié)省了大量的重復(fù)性工作。在今后的研究中，應(yīng)有更多的患者資料進(jìn)入數(shù)據(jù)庫，并根據(jù)患者的性別、年齡、體重、腫瘤位置、腫瘤體積等基本信息進(jìn)行分組，以取得更好的形變結(jié)果。

[1]Chun SG，Hu C，Choy H，et al.Impact of Intensity-Modulated Radiation Therapy Technique for Locally Advanced Non-Small-Cell Lung Cancer：A Secondary Analysis of the NRG Oncology RTOG 0617 Randomized Clinical Trial[J].J Clin Oncol，2017，35(1)：56-62.

[2]Luo HC，F(xiàn)u ZC，Cheng HH，et al.Prostate cancer treated with reduced-volume intensitymodulated radiation therapy：Report on the 5-year outcome of a prospective series[J].Medic ine(Baltimore)，2017，96(52)：e9450.

[3]Yang SN，Liao CY，Chen SW，et al.Clinical implications of the tumor volume reduction rate in head-and-neck cancer during definitive intensity-modulated radiotherapy for organ preservation[J].Int J Radiat Oncol Biol Phys，2011，79(4)：1096-1103.

[4]吳昕，劉磊，肖江洪，等.鼻咽癌靶區(qū)的自動勾畫評價[J].四川醫(yī)學(xué)，2015(6)：762-766.

[5]Amy VY，Angela W，Iddo W，et al.Atlas-based segmentation improves consistency and decreases time required for contouring postoperative endometrial cancer nodal volumes[J].Int J Radiation oncology biol Phys，2011，79(3)：943-947.

[6]張藝寶，吳昊，李莎，等.臨床前驗(yàn)證與幾何對比分析基于圖譜庫的危及器官自動勾畫[J].中國醫(yī)學(xué)物理學(xué)雜志，2015，32(6)：761-767.

[7]谷珊珊，張懷文，王運(yùn)來，等.基于水平集穩(wěn)健特征統(tǒng)計(jì)算法的腦腫瘤自動分割研究[J].中國醫(yī)學(xué)物理學(xué)雜志，2016，33(1)：63-67.

[8]Moeskops P，Viergever MA，Mendrik AM，et al.Automatic Segmentation of MR Brain Images With a Convolutional Neural Network[J].IEEE Trans Med Imaging，2016，35(5)：1252-1261.

[9]Xu M，F(xiàn)oster R，Parks H，et al.SU-F-T-427：Utilization and Evaluation of Diagnostic CT Imaging with MAR Technique for Radiation Therapy Treatment Planning[J].Medical Physics，2016，43(6)：3561-3561.

[10]Hardcastle N，Tomé WA，Cannon DM，et al.A multi-institution evaluation of deformable image registration algorithms for automatic organ delineation in adaptive head and neck radiotherapy[J].Radiation Oncology，2012，7(1)：90.

[11]Ananthanarayanan S.Use of ultrabook and iPad mini for processing，display，storage and transmission of medical images using MIM software[J].J Med Phys，2014，39(1)：56-59.

[12]Stanford J，Duggar W，Morris B，et al.SU-EJ-80：A Comparative Analysis of MIM and Pinnacle Software for Adaptive Planning[J].Medical Physics，2015，42(6)：3282.