徐傳冰，張琪，趙佳，楊慕男

（牡丹江醫(yī)學(xué)院附屬第二醫(yī)院 影像科，黑龍江 牡丹江 157000）

0 引言

不論是閉合性損傷或開放向損傷，肋骨骨折的出現(xiàn)都是最為常見的損傷，約占胸部外傷的90%，占所有身體創(chuàng)傷性疾病的12%[1-2]。半數(shù)左右的胸部鈍器傷患者伴有肋骨骨折，多發(fā)性的肋骨骨折常常伴有更為嚴(yán)重的并發(fā)癥例如氣胸、血?dú)庑亍⑿陌鼡p傷、連枷胸以及創(chuàng)傷性的濕肺[3-5]。尤其是老年人，骨質(zhì)脆性增加而彈性減弱，多發(fā)的肋骨骨折和嚴(yán)重的并發(fā)癥往往引起在院時(shí)間延長(zhǎng)、預(yù)后不良、畸形愈合甚至呼吸衰竭、休克或者死亡。

CT掃描是臨床用以識(shí)別胸部損傷及定位肋骨骨折的有效工具，然而，肋骨數(shù)量眾多，具有形態(tài)變化和混雜的結(jié)構(gòu)，并且由于肺部損傷患者往往屏氣不良致使圖像出現(xiàn)呼吸運(yùn)動(dòng)偽影[6-8]。因此放射科醫(yī)生很難快速而又準(zhǔn)確無誤地對(duì)肋骨骨折定位進(jìn)行診斷，尤其對(duì)于初級(jí)放射科醫(yī)生來更為困難。有研究報(bào)告CT圖像的肋骨骨折漏診率甚至超過17%，這可能導(dǎo)致患者預(yù)后不良和醫(yī)患糾紛[9]，因此有必要提高臨床診斷準(zhǔn)確率，降低漏診率。隨著胸部多層螺旋CT掃描技術(shù)的發(fā)展及其臨床應(yīng)用的普及性增加，肋骨骨折的檢出率明顯上升[10-12]，然而在數(shù)百?gòu)埍覥T圖像上檢查24根肋骨的骨折既費(fèi)事又費(fèi)力，并且這些肋骨在CT掃描的圖像上被截?cái)喑蔀橐粋€(gè)小的肋骨斷面，不論在軸位圖像還是在冠狀位、矢狀位圖像上都難以同時(shí)對(duì)一根或多根肋骨做全面系統(tǒng)的評(píng)價(jià)。CT掃描后處理技術(shù)被廣泛應(yīng)用于肋骨骨折的輔助診斷中，然而肋骨骨折患者往往是急診就診，龐大的數(shù)據(jù)處理檢查和后處理技術(shù)使得影像診斷診斷工作變得冗長(zhǎng)，同時(shí)也為患者及其家屬增加了醫(yī)療負(fù)擔(dān)，因此，及時(shí)有效地為患者提供精準(zhǔn)、快速、低廉、無創(chuàng)并且具有魯棒性的檢查措施和手段是臨床診療急需的。

目前，卷積神經(jīng)網(wǎng)絡(luò)（convolutional neural networks，CNN）是一類包含卷積計(jì)算且具有深度結(jié)構(gòu)的前饋神經(jīng)網(wǎng)絡(luò)（feedforward neural networks），是深度學(xué)習(xí)（deep learning）的代表算法之一[13-14]，因其有助于準(zhǔn)確診斷、減少醫(yī)療錯(cuò)誤和提高生產(chǎn)力而被廣泛應(yīng)用于醫(yī)療領(lǐng)域。此外，CNN也已成功應(yīng)用于胸部CT，例如肺結(jié)節(jié)[15-16]、癌或肺結(jié)核[17-18]的自動(dòng)分類。深度卷積神經(jīng)網(wǎng)絡(luò)的出現(xiàn)提高了診斷準(zhǔn)確率，明顯縮短了診斷時(shí)間。幾項(xiàng)研究[19-21]表明深度卷積神經(jīng)網(wǎng)絡(luò)在檢測(cè)平片和CT上的裂縫方面具有很高的準(zhǔn)確性。人工智能是指利用計(jì)算機(jī)自動(dòng)處理和分析信息并模擬人類智能的科學(xué)技術(shù)。

人工智能全自動(dòng)診斷系統(tǒng)是基于深度卷積神經(jīng)網(wǎng)絡(luò)技術(shù)進(jìn)行自動(dòng)化處理和分析信息并根據(jù)數(shù)模轉(zhuǎn)換提供有效的數(shù)值分析的科學(xué)技術(shù)。深度學(xué)習(xí)是人工智能的一個(gè)分支，其中深度卷積神經(jīng)網(wǎng)絡(luò)算法具有圖像識(shí)別、分割、檢測(cè)、檢索和分類等功能，已經(jīng)被廣泛應(yīng)用于二維圖像處理、 模式識(shí)別、機(jī)器視覺等領(lǐng)域，并能很好地解決相關(guān)問題。多項(xiàng)研究表明深度卷積神經(jīng)網(wǎng)絡(luò)技術(shù)在肺部結(jié)節(jié)、胸部平片以及頭部血腫方面都有良好的表現(xiàn)[22]。本研究應(yīng)用人工智能骨折輔助診斷軟件對(duì)胸部CT掃描圖像進(jìn)行檢測(cè)和處理，幫助放射科醫(yī)生快速、準(zhǔn)確、高效形成對(duì)肋骨骨折的評(píng)估，提高診斷效率和效能。

1 資料與方法

1.1 數(shù)據(jù)收集

搜集本院2020年8月至2021年8月因胸部損傷行急診CT掃描的患者共384例?；颊呷虢M篩選標(biāo)準(zhǔn)：①年齡18周歲及以上；②首診原因?yàn)榧痹\胸部外傷而行CT檢查；③數(shù)據(jù)資料完整?；颊吲懦龢?biāo)準(zhǔn)：①圖像質(zhì)量不佳難以識(shí)別；②合并肋骨先天性疾??；③合并其他疾病導(dǎo)致病理性骨折；④肋骨陳舊性骨折；⑤病史資料不全。

1.2 CT數(shù)據(jù)采集

采用東軟NeuViz 128精睿CT層進(jìn)行患者圖像采集。具體掃描參數(shù)如下：患者采取仰臥位、頭先進(jìn)、雙臂上舉。掃描前先攝取胸部正位定位圖像，掃描范圍自胸廓入口到雙側(cè)肋下緣，在定位圖上選取掃描范圍，從肺尖至雙側(cè)第十二肋游離緣，由上而下進(jìn)行連續(xù)掃描。管電壓120kV，管電流270～560mA，層厚0.625mm，矩陣512×512，建像視野360mm。

掃描前呼吸訓(xùn)練：CT掃描前對(duì)病人進(jìn)行屏氣訓(xùn)練，針對(duì)不同患者進(jìn)行屏氣配合支持評(píng)估。向病人說明掃描流程并取得病人的合作，保持在深吸氣末屏氣狀態(tài)下對(duì)患者進(jìn)行掃描評(píng)估，無法合作配合的病人，請(qǐng)其進(jìn)行平靜胸式呼吸，不用腹式呼吸，盡量減少呼吸運(yùn)動(dòng)帶來的偽影。

一次屏氣完成所有全肺掃描，避免呼吸偽影和漏掃現(xiàn)象，減少病變漏診。所有掃描數(shù)據(jù)均上傳至PACS系統(tǒng)內(nèi)進(jìn)行掃描后評(píng)估。

1.3 骨折定義及分類

完全性骨折定義為骨質(zhì)斷裂處貫穿局部骨質(zhì)，往往伴有局部的移位、成角、多發(fā)的骨碎皮等；不完全骨折定義為骨折處骨質(zhì)結(jié)構(gòu)未完全中斷，肋骨一側(cè)皺褶、凹陷、劈裂等。研究前對(duì)所有放射科評(píng)估人員進(jìn)行統(tǒng)一培訓(xùn)，對(duì)操作具體流程、記錄方法、分類標(biāo)準(zhǔn)進(jìn)行統(tǒng)一指導(dǎo)，以避免由于診斷標(biāo)準(zhǔn)不一致造成結(jié)果偏倚。

1.4 放射科醫(yī)生閱片流程

由本院4名副高級(jí)放射科醫(yī)生進(jìn)行肋骨骨折評(píng)估，定位骨折后進(jìn)行圖像標(biāo)記，并對(duì)骨折部位進(jìn)行記錄和對(duì)骨折進(jìn)行計(jì)數(shù)。由6名主治醫(yī)生對(duì)肋骨骨折數(shù)據(jù)進(jìn)行閱讀，384例患者數(shù)據(jù)隨機(jī)分為兩組，一組數(shù)據(jù)用于醫(yī)生獨(dú)立判讀，另一組數(shù)據(jù)為人工智能全自動(dòng)軟件聯(lián)合判讀，所有閱片內(nèi)容均就肋骨骨折定位及分類進(jìn)行評(píng)估，并對(duì)圖像進(jìn)行標(biāo)記。

1.5 人工智能全自動(dòng)診斷軟件

本研究使用的人工智能全自動(dòng)軟件為深睿Doctor Wise 肺部全科軟件。該軟件可用于胸部外傷患者的疾病診斷和定位，并且對(duì)嚴(yán)重并發(fā)癥例如氣胸、血?dú)庑氐冗M(jìn)行危急值預(yù)警。通過將患者Dicom數(shù)據(jù)傳至數(shù)據(jù)云平臺(tái)，同步提供肋骨骨折的定位標(biāo)記、勾勒及三維重建等。同時(shí)完成簡(jiǎn)要結(jié)構(gòu)性報(bào)告數(shù)據(jù)值，醫(yī)生閱讀時(shí)可在報(bào)告系統(tǒng)直接接受人工智能分析結(jié)構(gòu)，必要時(shí)進(jìn)行數(shù)據(jù)修改，自動(dòng)生成圖文報(bào)告。具體模塊如下

（1）自動(dòng)檢出模塊：①系統(tǒng)自動(dòng)識(shí)別肺部可疑征象，顯示標(biāo)記列表；②系統(tǒng)可識(shí)別的征象包括結(jié)節(jié)與腫塊、肺部實(shí)變影、肺氣腫、條索影、胸膜增厚、胸腔積液、磨玻璃密度影、肺大皰、支氣管擴(kuò)張、氣胸和網(wǎng)格影及骨折。

（2）自動(dòng)定位模塊：①根據(jù)醫(yī)生的需要和應(yīng)用場(chǎng)景，對(duì)檢出征象進(jìn)行定位；②肺部病灶支持定位到肺葉、肺段，胸膜、骨病灶支持定位到左、右側(cè)。

（3）嚴(yán)重疾病警告模塊：對(duì)于氣胸、胸腔積液這類臨床醫(yī)生需要第一時(shí)間進(jìn)行評(píng)估處理的病灶，系統(tǒng)檢出后會(huì)通過紅框展示的視覺方案進(jìn)行提示與警告。

（4）智能多維度MPR顯示模塊：通過橫軸位、冠狀位、矢狀位之間的聯(lián)動(dòng)展示，分析一個(gè)病灶在三個(gè)不同平面的位置和形態(tài)以及與周圍組織結(jié)構(gòu)的關(guān)系。

（5）智能多維度MaxIP及MinIP顯示模塊：MaxIP可以選擇性地采用不同層厚重建，以更好地顯示肺部病灶與周圍組織的關(guān)系，為臨床診斷提供更多診斷信息。

（6）肋骨的自動(dòng)計(jì)數(shù)模塊：①自動(dòng)切換骨窗并對(duì)圖像上肋骨進(jìn)行計(jì)數(shù)；②骨折自動(dòng)檢出并在相應(yīng)VRT圖像上對(duì)應(yīng)顯示。

（7）快捷鍵自定義設(shè)置模塊：①支持鼠標(biāo)左/右鍵操作功能的自定義設(shè)置；②支持顯示/隱藏AI結(jié)果、顯示/隱藏輪廓、刪除結(jié)節(jié)、播放/暫停、上/下一個(gè)結(jié)節(jié)、放大鏡、窗寬窗位切換的快捷鍵自定義設(shè)置。

（8）智能隨訪模塊：①自動(dòng)發(fā)現(xiàn)并提示歷史檢查信息；②自動(dòng)關(guān)聯(lián)病灶；③自動(dòng)病灶分析；④圖表式、表格式分析展示隨訪結(jié)果。

（9）圖文報(bào)告模塊：自動(dòng)生成圖文結(jié)構(gòu)化報(bào)告；提供個(gè)性化設(shè)置。

1.6 統(tǒng)計(jì)學(xué)分析

對(duì)研究數(shù)據(jù)進(jìn)行收集，采用SPSS 20.0統(tǒng)計(jì)學(xué)軟件進(jìn)行統(tǒng)計(jì)學(xué)分析，計(jì)數(shù)資料采取[n（%）]表現(xiàn)，比較采用卡方檢驗(yàn)，取P＜0.05為差異具有統(tǒng)計(jì)學(xué)意義。

2 結(jié)果

2.1 臨床資料

納入本研究的384例患者中，有肋骨骨折178例，年齡為22～78歲，平均年齡48.43±14.56歲，無骨折患者206例，年齡為18～87歲，平均年齡為43.21±15.32歲，P＜0.05；男240例（62.5%），女144例（37.5%）。

2.2 判讀效果評(píng)價(jià)

經(jīng)過比較，AI+醫(yī)生聯(lián)合判讀對(duì)肋骨骨折的診斷準(zhǔn)確度、靈敏度、陰性預(yù)測(cè)值均明顯高于醫(yī)生獨(dú)立判讀結(jié)果，組間比較差異具有統(tǒng)計(jì)學(xué)意義（P＜0.05），見表1。

表1 醫(yī)生獨(dú)立判讀與AI+醫(yī)生聯(lián)合判讀診斷價(jià)值比較（%）

3 討論

創(chuàng)傷是目前導(dǎo)致死亡的最重要的健康問題之一，道路交通事故仍然是胸部損傷的主要病因，多見于中年男性，大約25%的創(chuàng)傷相關(guān)死亡與胸部創(chuàng)傷有關(guān)。胸部外傷往往并發(fā)肋骨骨折并伴有其他器官系統(tǒng)損傷。即使損傷通常是由于低沖擊創(chuàng)傷機(jī)制引起，比如跌落傷等，但肋骨骨折仍舊和患者的發(fā)病率和死亡率顯著相關(guān)。肋骨骨折患者的臨床病程通常是由于肺水腫或者肺炎引起的呼吸功能不全引起的，有研究報(bào)道，高達(dá)12%的外傷性肋骨骨折患者會(huì)在損傷的急性期或亞急性期面臨死亡，超過半數(shù)的患者最終需要經(jīng)歷重癥監(jiān)管護(hù)理和手術(shù)治療。肋骨骨折的常見并發(fā)癥包括氣胸、血?dú)庑?、心包填塞、肺挫裂傷、肺不張、皮下氣腫等，嚴(yán)重者會(huì)出現(xiàn)連枷胸、失血性休克、心血管損傷以及實(shí)性和空腔臟器，甚至心肺功能衰竭。

無論是臨床檢查還是X線成像都不是診斷肋骨骨折的理想選擇，標(biāo)準(zhǔn)的后前位胸片具有特異性，但是敏感性極低，而臨床檢查敏感性較高，特異性較低，肋骨的X線平片往往很難向診斷提供更為有效的信息。標(biāo)準(zhǔn)的胸片往往作為檢測(cè)肋骨骨折的初步診斷測(cè)試，但是肋骨檢查陰性結(jié)果并不能改變簡(jiǎn)單病例的治療管理。超聲學(xué)檢查也可以用于評(píng)估胸部創(chuàng)傷以及其他并發(fā)癥，但是診斷時(shí)長(zhǎng)較高，并且因由操作者的診斷水平不同存在診斷陽性率偏倚。核醫(yī)學(xué)骨掃描對(duì)檢測(cè)肋骨骨折很敏感，但不具有特異性，并且惡性腫瘤患者伴有骨侵蝕或者轉(zhuǎn)移者可能會(huì)出現(xiàn)過診。此外，已知惡性腫瘤和良性肋骨骨折的患者在F18-FDG PET/CT研究中會(huì)出現(xiàn)假陽性結(jié)果。

多排螺旋CT可以提供更為準(zhǔn)確的評(píng)估，盡管CT肋骨骨折檢測(cè)敏感性的增加并不一定會(huì)改變無肋骨骨折伴隨傷患者的治療方案和臨床結(jié)果，但是肋骨骨折的數(shù)量、部位和類型確實(shí)與預(yù)后結(jié)局緊密相關(guān)。然而在臨床實(shí)際工作中發(fā)現(xiàn)，常規(guī)CT掃描后進(jìn)行醫(yī)生獨(dú)立判讀的效果往往不佳，誤診和漏診事件時(shí)有發(fā)生，影響了患者的治療和預(yù)后，因此更為準(zhǔn)確、高效、敏感、快速的肋骨骨折判讀及定位方式成為臨床研究的重點(diǎn)。人工智能肋骨骨折輔助診斷系統(tǒng)能夠在數(shù)據(jù)上傳后瞬息對(duì)數(shù)據(jù)進(jìn)行解離分析，并且提供具有魯棒性的定性診斷，同時(shí)對(duì)于肋骨骨折部位進(jìn)行勾勒，提供了直觀可感的數(shù)據(jù)體驗(yàn)；人工智能肋骨骨折輔助診斷+醫(yī)生判讀能夠?qū)⑷斯ぶ悄艿牟黄＞?、快速、可?fù)性、標(biāo)準(zhǔn)化與醫(yī)生的精準(zhǔn)、靈活、邏輯、臨床經(jīng)驗(yàn)相結(jié)合，提供高效的診斷模型。

4 結(jié)語

本研究組間比較顯示，人工智能全自動(dòng)后的診斷效能明顯提高，其診斷準(zhǔn)確度、靈敏度和特異度均明顯高于醫(yī)生獨(dú)立判讀，提示人工智能全自動(dòng)診斷有助于提高CT對(duì)于肋骨骨折的診斷價(jià)值。由于肋骨呈插兜樣自后方斜向前下方走形，常規(guī)CT橫斷位、冠狀位及矢狀位都很難完成對(duì)整根肋骨的全程觀察，雖然應(yīng)用三維重建或者多平面重組技術(shù)能夠排除重疊因素的干擾，較為清晰地顯示骨折的部位、數(shù)量等，但是普通CT不能夠進(jìn)行骨折的精準(zhǔn)定量和定位，同時(shí)骨折患者往往為急診就診，并且危殆，但是反復(fù)的圖像重建觀察需要大量的時(shí)間和精力。人工智能全自動(dòng)診斷能夠從多方位、多平面、多窗寬對(duì)胸部損傷患者數(shù)據(jù)進(jìn)行判讀，通常能夠得到較好的診斷數(shù)據(jù)，同時(shí)擬定標(biāo)準(zhǔn)化結(jié)構(gòu)報(bào)告，同步于臨床診療。

綜上所述，人工智能全自動(dòng)輔助診斷系統(tǒng)能夠顯著提高CT對(duì)于肋骨骨折的檢出率，提高診斷的準(zhǔn)確性，節(jié)約診斷時(shí)長(zhǎng)，值得臨床推廣應(yīng)用。