王金媛，徐壽平，2，楊微，張慧娟，曲寶林，2，鄭慶增

1.中國人民解放軍總醫(yī)院放療科，北京100853；2.北航大數(shù)據(jù)精準(zhǔn)醫(yī)療高精尖創(chuàng)新中心，北京100083；3.北京老年醫(yī)院放療科，北京100095

前言

放射治療過程中危及器官輪廓的勾畫是一個(gè)極其重要的環(huán)節(jié)。常規(guī)醫(yī)生手動勾畫耗時(shí)、費(fèi)力，而且勾畫者之間具有較大的差異性［1］，自動勾畫軟件的出現(xiàn)能夠在一定程度上幫助醫(yī)生提高勾畫效率［2］，減少勾畫者之間的差異性［3］。但對自動勾畫軟件勾畫結(jié)果的評價(jià)［4］以及提高自動勾畫精確性的方法［5］仍在不斷的探索中。

MIM-Maestro軟件作為一款醫(yī)學(xué)圖像和信息管理軟件，主要用于多模態(tài)醫(yī)學(xué)圖像的配準(zhǔn)和融合、放射治療劑量的疊加、自動器官輪廓勾畫等。MIMMaestro將含有勾畫數(shù)據(jù)的模板CT圖像組成自定義圖譜庫，新病例CT圖像與圖譜庫中不同對象進(jìn)行比較找出最佳的匹配，匹配后基于密度進(jìn)行形變配準(zhǔn)，將模板中CT圖像形變至目標(biāo)CT圖像中，與此同時(shí)模板中解剖結(jié)構(gòu)輪廓通過形變配準(zhǔn)參數(shù)轉(zhuǎn)換到目標(biāo)CT圖像，進(jìn)而快速得到最終器官輪廓勾畫的結(jié)果。

本研究擬運(yùn)用MIM-Maestro軟件（Version 6.6.5）進(jìn)行宮頸癌危及器官的自動勾畫，探究勾畫算法以及勾畫匹配數(shù)對自動勾畫結(jié)果的影響，以期為臨床應(yīng)用中匹配數(shù)和勾畫算法的選擇提供一定的參考或指導(dǎo)。

1 材料與方法

1.1 實(shí)驗(yàn)方法

選取70例2014年7月～2017年4月期間中國人民解放軍總醫(yī)院收治的宮頸癌患者。患者均采用體膜固定，仰臥位行定位掃描，定位前半小時(shí)飲用500 mL水并進(jìn)行憋尿。采用Siemens大孔徑CT（Siemens SOMATOM 64排）實(shí)施CT掃描，層厚為3 mm，將所得圖像通過DICOM傳輸至Eclipse計(jì)劃系統(tǒng)（Version 10.0），由一名經(jīng)驗(yàn)豐富的臨床醫(yī)生在CT圖像上手動勾畫出危及器官并定義為Vref（Vreference，參考勾畫），目標(biāo)勾畫包括膀胱、直腸和雙側(cè)股骨頭。

應(yīng)用MIM-Maestro軟件（Version 6.6.5）建立宮頸癌圖譜庫，圖譜庫中包含模板病例60例，分別應(yīng)用多數(shù)投票算法及STAPLE算法，選擇1、3、5、7、9個(gè)勾畫匹配數(shù)對另外10例目標(biāo)CT圖像進(jìn)行危及器官的自動勾畫并分別計(jì)時(shí)，將應(yīng)用多數(shù)投票算法的自動勾畫結(jié)果定義為 VAC-MV-1、VAC-MV-3、VAC-MV-5、VAC-MV-7、VAC-MV-9，將應(yīng)用STAPLE算法的自動勾畫結(jié)果定義為VAC-STAPLE-1、VAC-STAPLE-3、VAC-STAPLE-5、VAC-STAPLE-7、VAC-STAPLE-9。運(yùn)用評價(jià)參數(shù)將各組自動勾畫的結(jié)果與Vref進(jìn)行比較，得出勾畫算法及匹配數(shù)目對自動勾畫結(jié)果的影響。

1.2 勾畫算法介紹

多數(shù)投票算法：在自動輪廓勾畫的過程中，選擇圖譜庫中與目標(biāo)CT圖像匹配度最高的圖像并將勾畫輪廓通過形變配準(zhǔn)傳遞到目標(biāo)圖像后，為將目標(biāo)圖像的所有分割結(jié)果合并為最終的輪廓勾畫結(jié)果而采用的算法。通過檢測目標(biāo)CT圖像中所有體素與自動勾畫輪廓的對應(yīng)區(qū)域，并對自動勾畫輪廓加權(quán)評分，進(jìn)而得到最終的勾畫結(jié)果［6］。

STAPLE（Simultaneous Truth and Performance Level Estimation）算法：同步真值和性能等級評估算法，與多數(shù)投票算法在自動輪廓勾畫中應(yīng)用的節(jié)點(diǎn)相同，采用期望最大化方法，計(jì)算真值分割結(jié)果的概率性預(yù)估以及每個(gè)分割結(jié)果所代表的性能等級的評估，即計(jì)算每個(gè)自動勾畫分割結(jié)果對其組合勾畫的影響，并賦予其期望值，根據(jù)期望值形成最終勾畫［7］。

1.3 評價(jià)參數(shù)

（1）勾畫時(shí)間：分為自動勾畫時(shí)間和手動勾畫時(shí)間。

（2）Dice相似性系數(shù)（Dice Similarity Coefficient,DSC）［8］：

其中，Vref為參考勾畫的體積，Vauto為自動勾畫的體積。

（3）質(zhì)心偏差（Deviation of Centroid,DC）：

（4）敏感性指數(shù)（Sensitivity Index,SI）［9］：

（5）Jaccard系數(shù)（Jaccard Index,JAC）［10］：

（6）Hausdorff距離（Hausdorff Distance,HD）［11］：假設(shè)有兩組集合X={x1,…,xn}、Y={y1,…,yn}，則這兩個(gè)點(diǎn)集合之間的HD定義為：

1.4 統(tǒng)計(jì)學(xué)分析

應(yīng)用SPSS 22軟件，采用單因素方差法對各匹配數(shù)勾畫結(jié)果進(jìn)行統(tǒng)計(jì)學(xué)分析，并采用最小顯著性差異法（LSD）進(jìn)行事后多重比較；采用配對樣本t檢驗(yàn)對兩種算法勾畫結(jié)果進(jìn)行統(tǒng)計(jì)學(xué)分析，P＜0.05為差異具有統(tǒng)計(jì)學(xué)意義。

2 結(jié)果

2.1 多數(shù)投票算法勾畫結(jié)果

應(yīng)用多數(shù)投票算法的勾畫結(jié)果如表1所示，自動勾畫所需時(shí)間隨匹配數(shù)目的增加呈線性增加，但均小于手動勾畫時(shí)間（10.25±0.58）min。對于膀胱，僅SI顯示匹配數(shù)為1時(shí)與其他4組有顯著性差異，匹配數(shù)為3、5、7、9的勾畫結(jié)果基本相同，均優(yōu)于匹配數(shù)為1的勾畫結(jié)果。對于直腸，各參數(shù)結(jié)果無統(tǒng)計(jì)學(xué)差異，DSC、DC、HD、JAC均值基本一致，SI均值隨匹配數(shù)的增加而減小。對于左側(cè)股骨頭，DSC、HD、JAC均顯示匹配數(shù)為1的結(jié)果與其他4組有顯著性差異，SI均值隨匹配數(shù)增加而增大，DC均值隨匹配數(shù)的增加而減小。右側(cè)股骨頭的各參數(shù)均無統(tǒng)計(jì)學(xué)差異，各參數(shù)均值隨匹配數(shù)的增加呈向好趨勢。

表1 不同匹配數(shù)自動勾畫危及器官的參數(shù)結(jié)果（多數(shù)投票算法）（±s）Tab.1 Results of auto-segmentation of organs-at-risk by different matching numbers(majority vote algorithm)(Mean±SD)

表1 不同匹配數(shù)自動勾畫危及器官的參數(shù)結(jié)果（多數(shù)投票算法）（±s）Tab.1 Results of auto-segmentation of organs-at-risk by different matching numbers(majority vote algorithm)(Mean±SD)

DSC：Dice相似性系數(shù)；SI：敏感性指數(shù)；DC：質(zhì)心偏差；HD：Hausdorff距離；JAC：Jaccard系數(shù)；各個(gè)符號代表不同組之間具有統(tǒng)計(jì)學(xué)差異（P＜0.05）：*表示VAC-MV-1與VAC-MV-3之間具有統(tǒng)計(jì)學(xué)差異；△表示VAC-MV-1與VAC-MV-5之間具有統(tǒng)計(jì)學(xué)差異；○表示VAC-MV-1與VAC-MV-7之間具有統(tǒng)計(jì)學(xué)差異；□表示VAC-MV-1與VAC-MV-9之間具有統(tǒng)計(jì)學(xué)差異

0.53 0.90 1.00 0.23 0.49參數(shù)時(shí)間/min膀胱DSC SI DC/cm HD/cm JAC直腸DSC SI DC/cm HD/cm JAC左側(cè)股骨頭DSC SI DC/cm HD/cm JAC右側(cè)股骨頭DSC SI DC/cm HD/cm JAC VAC-MV-1VAC-MV-3VAC-MV-5VAC-MV-7VAC-MV-9 0.94±0.071.89±0.092.88±0.193.91±0.214.97±0.27 P值0.00 0.77±0.10 0.88±0.11 1.07±0.60 3.60±1.51 0.64±0.14 0.83±0.07 0.95±0.03 0.60±0.35 2.92±1.17 0.72±0.11 0.85±0.09 0.95±0.03 0.61±0.58 2.87±1.39 0.74±0.12 0.84±0.10 0.95±0.03 0.75±0.57 3.13±1.70 0.73±0.13 0.85±0.09 0.94±0.03 0.70±0.58 2.94±1.49 0.74±0.13 0.33*△○□0.31 0.80 0.30 0.53±0.07 0.54±0.12 1.65±0.55 3.83±1.10 0.36±0.06 0.53±0.08 0.52±0.09 1.58±0.75 3.54±0.89 0.37±0.08 0.52±0.07 0.48±0.10 1.69±0.76 3.75±0.67 0.35±0.06 0.51±0.09 0.46±0.11 1.71±0.81 3.55±0.72 0.35±0.08 0.51±0.11 0.46±0.13 1.74±0.81 3.64±0.64 0.35±0.10 0.97 0.41 0.99 0.92 0.98 0.82±0.06 0.83±0.10 0.30±0.20 1.17±0.27 0.70±0.08 0.86±0.04 0.86±0.09 0.24±0.13 0.98±0.33 0.75±0.06 0.87±0.06 0.87±0.10 0.21±0.18 0.79±0.27 0.77±0.09 0.88±0.03 0.87±0.06 0.19±0.11 0.80±0.16 0.78±0.04 0.88±0.02 0.88±0.05 0.18±0.10 0.80±0.13 0.79±0.03*△○□0.63 0.40*△○□*△○□0.85±0.05 0.88±0.07 0.25±0.17 1.10±0.34 0.74±0.07 0.85±0.03 0.88±0.07 0.26±0.18 1.05±0.32 0.74±0.05 0.86±0.05 0.89±0.09 0.25±0.16 0.92±0.30 0.76±0.07 0.87±0.04 0.90±0.07 0.24±0.15 0.87±0.25 0.77±0.05 0.87±0.03 0.90±0.06 0.25±0.13 0.84±0.28 0.78±0.05

2.2 STAPLE算法勾畫結(jié)果

采用STAPLE算法時(shí)，勾畫結(jié)果如表2所示。自動勾畫所需時(shí)間隨匹配數(shù)目的增加亦呈線性增加。對于膀胱，僅SI顯示匹配數(shù)為1時(shí)與其他4組有顯著性差異，其余各參數(shù)均值顯示匹配數(shù)為3時(shí)勾畫結(jié)果達(dá)到最優(yōu)，當(dāng)匹配數(shù)繼續(xù)增加時(shí)各參數(shù)均值有略微變差趨勢。對于直腸，SI顯示當(dāng)匹配數(shù)為1和3時(shí)分別與5、7、9有顯著性差異，DSC、SI、JAC的均值隨匹配數(shù)的增加而增大，HD的均值隨匹配數(shù)的增加而減小。對于左側(cè)股骨頭，DSC、SI、HD、JAC均顯示匹配數(shù)為1時(shí)與其他4組有顯著性差異，匹配數(shù)為3時(shí)SI與匹配數(shù)為5、7、9有統(tǒng)計(jì)學(xué)差異，DC的均值隨匹配數(shù)的增加而減小。對于右側(cè)股骨頭，SI顯示匹配數(shù)為1、3的結(jié)果分別與5、7、9有顯著性差異，其余各參數(shù)均值基本一致。

表2 不同匹配數(shù)自動勾畫危及器官的參數(shù)結(jié)果（STAPLE算法）（±s）Tab.2 Results of auto-segmentation of organs-at-risk by different matching numbers(STAPLE algorithm)(Mean±SD)

表2 不同匹配數(shù)自動勾畫危及器官的參數(shù)結(jié)果（STAPLE算法）（±s）Tab.2 Results of auto-segmentation of organs-at-risk by different matching numbers(STAPLE algorithm)(Mean±SD)

各個(gè)符號代表了不同組之間具有統(tǒng)計(jì)學(xué)差異（P＜0.05）：*表示VAC-STAPLE-1與VAC-STAPLE-3之間具有統(tǒng)計(jì)學(xué)差異；△表示VAC-STAPLE-1與VAC-STAPLE-5之間具有統(tǒng)計(jì)學(xué)差異；○表示VAC-STAPLE-1與VAC-STAPLE-7之間具有統(tǒng)計(jì)學(xué)差異；□表示VAC-STAPLE-1與VAC-STAPLE-9之間具有統(tǒng)計(jì)學(xué)差異；#表示VAC-STAPLE-3與VAC-STAPLE-5之間具有統(tǒng)計(jì)學(xué)差異；^表示VAC-STAPLE-3與VAC-STAPLE-7之間具有統(tǒng)計(jì)學(xué)差異；!表示VAC-STAPLE-3與VAC-STAPLE-9之間具有統(tǒng)計(jì)學(xué)差異

參數(shù)時(shí)間/min膀胱DSC SI DC/cm HD/cm JAC直腸DSC SI DC/cm HD/cm JAC左側(cè)股骨頭DSC SI DC/cm HD/cm JAC右側(cè)股骨頭DSC SI DC/cm HD/cm JAC VAC-STAPLE-1VAC-STAPLE-3VAC-STAPLE-5VAC-STAPLE-7VAC-STAPLE-9 0.96±0.071.90±0.112.93±0.143.94±0.285.00±0.27 P值0.00 0.76±0.10 0.89±0.11 1.10±0.56 3.67±1.43 0.63±0.13 0.83±0.08 0.95±0.03 0.61±0.36 2.93±1.18 0.72±0.11 0.80±0.14 0.96±0.03 0.83±0.80 3.49±1.89 0.69±0.17 0.78±0.15 0.97±0.03 0.98±0.80 3.63±1.88 0.66±0.18 0.79±0.15 0.97±0.02 0.94±0.84 3.68±1.98 0.67±0.19 0.82*△○□0.60 0.84 0.79 0.51±0.05 0.52±0.12 1.64±0.55 3.81±1.10 0.35±0.04 0.52±0.09 0.53±0.09 1.61±0.84 3.60±0.95 0.36±0.08 0.56±0.06 0.66±0.10 1.61±0.69 3.49±0.58 0.39±0.06 0.57±0.08 0.65±0.09 1.66±0.67 3.14±0.47 0.40±0.08 0.57±0.07 0.71±0.08 1.63±0.66 3.27±0.67 0.40±0.07 0.28△○□#^!1.00 0.35 0.29 0.81±0.06 0.81±0.09 0.31±0.19 1.25±0.28 0.68±0.08 0.86±0.04 0.88±0.09 0.22±0.14 0.96±0.34 0.75±0.06 0.87±0.03 0.95±0.03 0.18±0.11 0.88±0.23 0.77±0.05 0.87±0.03 0.96±0.02 0.17±0.11 0.90±0.33 0.76±0.04 0.86±0.04 0.96±0.02 0.18±0.12 0.93±0.29 0.76±0.05*△○□*△○□#^!0.12*△○□*△○□0.85±0.05 0.88±0.07 0.24±0.17 1.12±0.34 0.74±0.07 0.85±0.03 0.90±0.07 0.26±0.18 1.10±0.33 0.74±0.05 0.85±0.04 0.95±0.04 0.27±0.16 1.12±0.39 0.73±0.06 0.85±0.04 0.97±0.03 0.27±0.17 1.23±0.34 0.74±0.05 0.84±0.04 0.96±0.03 0.28±0.16 1.2±0.32 0.73±0.06 0.99△○□#^!0.99 0.89 0.99

2.3 多數(shù)投票算法和STAPLE算法的勾畫結(jié)果比較

多數(shù)投票算法和STAPLE算法的勾畫結(jié)果（匹配數(shù)為3）示意圖如圖1所示，統(tǒng)計(jì)學(xué)分析結(jié)果如表3所示。各危及器官的勾畫結(jié)果參數(shù)顯示僅雙側(cè)股骨頭的SI有顯著性差異，左側(cè)股骨頭VAC-MV-3vsVAC-STAPLE-3為（0.86±0.09）vs（0.88±0.09），右側(cè)股骨頭 VAC-MV-3vsVAC-STAPLE-3為（0.88±0.07）vs（0.90±0.07），STAPLE算法相比多數(shù)選擇算法的勾畫結(jié)果更接近于手動勾畫。其他參數(shù)均值基本一致，均無統(tǒng)計(jì)學(xué)差異，勾畫算法的選擇不影響自動勾畫所需時(shí)間。

圖1 不同算法勾畫結(jié)果示意圖Fig.1 Schematic diagrams of segmentation results obtained by different algorithms

表3 多數(shù)投票算法和STAPLE算法勾畫結(jié)果（匹配數(shù)為3）的統(tǒng)計(jì)學(xué)分析Tab.3 Statistical analysis on segmentation results obtained by majority vote algorithm and STAPLE algorithm(match number of 3)

3 討論

自動勾畫軟件在放射治療進(jìn)程中扮演重要的角色，對于醫(yī)生來說是一種極其有效的工具，除了節(jié)省時(shí)間、提高工作效率，同時(shí)也能改善勾畫者差異性，如何提高自動勾畫精度、勾畫精確性的影響因素、圖譜庫的建立方式、劑量學(xué)評估［12］等一直是研究者們所探尋的方向，涉及到的病例也頗為廣泛，包括鼻咽癌［13-14］、乳腺癌［15-16］、宮頸癌［17］、食管癌［18］、胸部危及器官［19］等。研究結(jié)果表明自動勾畫軟件的使用在臨床應(yīng)用中可以大量節(jié)約時(shí)間和資源，多模板的勾畫方式優(yōu)于單模板且更適用于臨床，但是仍無法直接滿足臨床需求，需經(jīng)過一定的手工修正后才能滿足臨床需要，自動勾畫結(jié)果和手動勾畫結(jié)果在劑量上有較強(qiáng)的關(guān)聯(lián)性，但是自動分割危及器官的質(zhì)量不能僅通過幾何參數(shù)來驗(yàn)證和說明。

在本研究中，筆者研究了勾畫算法及匹配數(shù)目在基于Atlas實(shí)施宮頸癌危及器官自動勾畫時(shí)對自動勾畫結(jié)果的影響，研究結(jié)果顯示在應(yīng)用MIM軟件進(jìn)行自動勾畫時(shí)，自動勾畫所需時(shí)間隨匹配數(shù)目的增加呈線性增加，但仍小于手動勾畫時(shí)間，一定程度上能夠提高勾畫效率。

選擇多數(shù)投票算法進(jìn)行自動勾畫時(shí)，膀胱的自動勾畫結(jié)果顯示，當(dāng)匹配數(shù)為1時(shí)，勾畫結(jié)果最差，隨著匹配數(shù)的增加，勾畫結(jié)果較穩(wěn)定，均優(yōu)于匹配數(shù)為1時(shí)的勾畫結(jié)果；對于直腸，各評價(jià)參數(shù)結(jié)果均較差，除SI外其他參數(shù)的均值均顯示匹配數(shù)為3時(shí)，勾畫結(jié)果最佳；對于股骨頭，各匹配數(shù)勾畫結(jié)果均較好，且隨著匹配數(shù)的增加，勾畫結(jié)果有變優(yōu)的趨勢。

選擇STAPLE算法進(jìn)行自動勾畫時(shí)，匹配數(shù)為3時(shí)膀胱的勾畫結(jié)果最好；隨匹配數(shù)的增加，直腸的勾畫結(jié)果趨于變好；對于左側(cè)股骨頭，匹配數(shù)為1時(shí)最差，匹配數(shù)為3時(shí)次之，匹配數(shù)為5、7、9時(shí)較好，且各組勾畫結(jié)果均在較高的水平；對于右側(cè)股骨頭，各組勾畫結(jié)果差異不大。

將兩種勾畫算法的結(jié)果進(jìn)行比較時(shí)發(fā)現(xiàn)，匹配數(shù)相同的勾畫時(shí)間基本相同，勾畫時(shí)間只受匹配數(shù)大小的影響；各器官勾畫結(jié)果顯示，僅雙側(cè)股骨頭的SI有統(tǒng)計(jì)學(xué)差異，說明STAPLE算法對于股骨頭的勾畫更加接近于手動勾畫，但其他評價(jià)參數(shù)均值基本一致，表明兩組勾畫算法的結(jié)果基本相同。

綜上所述，兩種勾畫算法的勾畫結(jié)果無較大差異；選擇除1之外的另外4種匹配數(shù)均可得到較好的結(jié)果，但在時(shí)間上，匹配數(shù)為9時(shí)［（4.97±0.27）min］所需勾畫時(shí)間是匹配數(shù)為3時(shí)［（1.89±0.09）min］的2.6倍，因此建議匹配數(shù)為3就基本能滿足臨床勾畫需求。

在文獻(xiàn)調(diào)研中筆者還發(fā)現(xiàn)，影響自動勾畫精確性還有諸多其他因素，比如身高、體質(zhì)量、體表面積、器官體積以及在頭部危及器官的勾畫中頭的直徑、頸部直徑等［20］，對于自動勾畫的更多影響因素以及更多部位的臨床應(yīng)用需要進(jìn)一步的研究，使得自動勾畫工具更好地應(yīng)用于臨床。