基于增強(qiáng)CT的手動(dòng)勾畫與基于PET-CT的自動(dòng)勾畫方法在鼻咽癌放療中的對(duì)比研究

王聯(lián)輝，姚偉榮，駱柘璜，曾慶云，劉玲秀，鄧旋，張穎，王宗火

1.江西省人民醫(yī)院醫(yī)療器械處，江西 南昌 330006；2.江西省人民醫(yī)院腫瘤科，江西 南昌 330006；3.江西省人民醫(yī)院核醫(yī)學(xué)科，江西 南昌 330006；4.江西省人民醫(yī)院影像中心，江西 南昌 330006

前言

鼻咽癌是我國(guó)最常見的頭頸部癌癥，具有較高的轉(zhuǎn)移潛力［1-5］。放射治療是治療鼻咽癌最有效的方法，其中靶區(qū)勾畫是最基本的步驟，直接影響靶區(qū)及危及器官的劑量學(xué)分布，從而影響后續(xù)放射治療計(jì)劃的實(shí)施［6-10］。靶區(qū)勾畫多數(shù)是在增強(qiáng)CT 圖像上進(jìn)行的，而往往增強(qiáng)CT 圖像只包含了腫瘤區(qū)域的解剖結(jié)構(gòu)信息，不能反映腫瘤的生物學(xué)效應(yīng)，從而出現(xiàn)靶區(qū)過大或漏靶的情況。PET-CT雙模態(tài)融合圖像憑借其高靈敏度和具有良好反映生物靶區(qū)的優(yōu)勢(shì)有效地解決了這個(gè)問題［11］。但由于鼻咽癌患者數(shù)量眾多、數(shù)據(jù)量大，基于PET-CT 融合圖像的手動(dòng)勾畫靶區(qū)變得費(fèi)時(shí)費(fèi)力，因此急需自動(dòng)可靠的靶區(qū)分割方法滿足臨床需求。目前常用的自動(dòng)靶區(qū)分割方法是通過設(shè)置單一標(biāo)準(zhǔn)攝取值（SUV）閾值實(shí)現(xiàn)靶區(qū)自動(dòng)勾畫或者利用卷積神經(jīng)網(wǎng)絡(luò)快速識(shí)別和分割腫瘤靶區(qū)［12-13］。本研究對(duì)比基于增強(qiáng)CT 的手動(dòng)勾畫與基于PET-CT的兩種自動(dòng)勾畫方法在鼻咽癌靶區(qū)勾畫中的優(yōu)劣性，并探討PET-CT 融合圖像在靶區(qū)勾畫中的應(yīng)用價(jià)值。

1 資料與方法

1.1 研究對(duì)象

回顧性地收集2010～2019年在江西省人民醫(yī)院確診并進(jìn)行過PET-CT 檢查的34例鼻咽癌患者，其中男性20例，女性14例，年齡28～82歲。

1.2 PET-CT數(shù)據(jù)采集

對(duì)于每個(gè)患者，檢查前要求空腹（空腹血糖在0.01 mol/L以下），然后靜脈注射放射性藥物18F-FDG，約0.002 L，注射劑量為4.44 MBq/kg（注射劑量根據(jù)患者體質(zhì)量進(jìn)行計(jì)算），注射后約60 min 行PET-CT掃描檢查。掃描過程中固定同一體位，采集其平掃CT 圖像和同一體位下的PET 圖像，使用讀片系統(tǒng)對(duì)圖像進(jìn)行后處理。放射性藥物18F-FDG 由江西省人民醫(yī)院PET-CT中心生產(chǎn)，PET-CT機(jī)型為美國(guó)通用電氣公司GE的Discovery STE，讀片系統(tǒng)為GE AW4.6。

1.3 方法

對(duì)34 例鼻咽癌患者在PET-CT 雙模態(tài)融合圖像進(jìn)行腫瘤區(qū)域的分割試驗(yàn)，整個(gè)試驗(yàn)的靶區(qū)勾畫和算法自動(dòng)分割均在MIM 軟件上進(jìn)行。對(duì)于每一例鼻咽癌PET-CT 數(shù)據(jù)，均設(shè)計(jì)鼻咽癌腫瘤靶區(qū)手動(dòng)勾畫和自動(dòng)勾畫兩組試驗(yàn)表現(xiàn)雙模態(tài)PET-CT 圖像在放療靶區(qū)勾畫中的應(yīng)用價(jià)值。

1.3.1 鼻咽癌腫瘤靶區(qū)的手動(dòng)勾畫試驗(yàn)CT 部分（基于增強(qiáng)CT圖像靶區(qū)的手動(dòng)勾畫）：由5名具有資深經(jīng)驗(yàn)的腫瘤科醫(yī)生根據(jù)CSCO 指南分別對(duì)每一例鼻咽癌患者在對(duì)應(yīng)的增強(qiáng)CT 圖像上手動(dòng)進(jìn)行腫瘤靶區(qū)勾畫，在對(duì)每個(gè)腫瘤靶區(qū)進(jìn)行勾畫過程中，盡量避免其它因素的影響。最后經(jīng)討論得到一個(gè)廣泛認(rèn)可的腫瘤靶區(qū)邊界，以此作為在原始CT 圖像上得到的腫瘤手動(dòng)分割結(jié)果。PET-CT部分（基于PET-CT雙模態(tài)融合圖像靶區(qū)的手動(dòng)勾畫）：對(duì)PET 數(shù)據(jù)和原始CT圖像進(jìn)行配準(zhǔn)，得到PET-CT 融合圖像。然后由上述步驟的5名醫(yī)師在PET-CT 融合圖像上進(jìn)行腫瘤靶區(qū)勾畫，并以他們達(dá)成共識(shí)的腫瘤邊界作為在PET-CT融合圖像上得到的腫瘤手動(dòng)分割結(jié)果。本文中將該結(jié)果作為分割腫瘤靶區(qū)的金標(biāo)準(zhǔn)。

1.3.2 鼻咽癌腫瘤靶區(qū)的算法自動(dòng)勾畫試驗(yàn)SUV部分（基于單一SUV 閾值的靶區(qū)自動(dòng)勾畫）：應(yīng)用SUV閾值2.5 對(duì)PET-CT 融合圖像上的腫瘤區(qū)域進(jìn)行分割，得到腫瘤區(qū)域基于絕對(duì)SUV 閾值自動(dòng)分割的結(jié)果。PET-EDGE 部分（基于PET-EDGE 算法的靶區(qū)自動(dòng)勾畫）：應(yīng)用MIM 軟件自帶的PET-EDGE 算法對(duì)每一例鼻咽癌患者PET-CT 融合圖像的腫瘤區(qū)域進(jìn)行自動(dòng)勾畫，得到腫瘤區(qū)域基于相對(duì)活度自動(dòng)分割的結(jié)果。

1.4 鼻咽癌靶區(qū)勾畫試驗(yàn)流程圖

在這5 名經(jīng)驗(yàn)豐富的醫(yī)師對(duì)每個(gè)腫瘤靶區(qū)手動(dòng)進(jìn)行勾畫和運(yùn)用單一SUV 閾值以及PET-EDGE 算法自動(dòng)分割的過程中，他們被要求在使用每種方法之間等待24 h，以避免前一勾畫過程對(duì)后續(xù)勾畫的影響。整個(gè)鼻咽癌靶區(qū)分割試驗(yàn)的流程如圖1所示。

圖1 鼻咽癌靶區(qū)分割試驗(yàn)的流程圖Figure 1 Flowchart of segmentation experiment for nasopharyngeal carcinoma

1.5 評(píng)價(jià)指標(biāo)

采用在圖像分割領(lǐng)域廣泛使用的兩個(gè)評(píng)價(jià)指標(biāo)：重疊率Dice和豪斯多夫距離HD［14-16］，以此分析本文中CT、PET-CT、SUV和PET-EDGE 4個(gè)部分的腫瘤靶區(qū)分割結(jié)果。其中Dice反映實(shí)際分割結(jié)果與金標(biāo)準(zhǔn)的重疊范圍，HD反映兩者間空間分布的相似性。

1.6 統(tǒng)計(jì)學(xué)分析

所有數(shù)據(jù)都是在Intel(R)Celeron(R) 1.50 GHz CPU 1007U、8.0 GB RAM 的PC 機(jī)上，使用Matlab R2017b 平臺(tái)進(jìn)行統(tǒng)計(jì)分析。經(jīng)統(tǒng)計(jì)分析，所得數(shù)據(jù)均符合正態(tài)分布。Dice 和HD 值以均數(shù)±標(biāo)準(zhǔn)差表示，采用t檢驗(yàn)比較組間Dice和HD，P＜0.05為差異有統(tǒng)計(jì)學(xué)意義。

2 結(jié)果

2.1 增強(qiáng)CT 圖像和雙模態(tài)PET-CT 融合圖像靶區(qū)手動(dòng)勾畫結(jié)果的定性比較

如圖2所示，圖2a 為醫(yī)生在增強(qiáng)CT 圖像上勾畫的靶區(qū)（綠色曲線），圖2b為醫(yī)生在雙模態(tài)PET-CT圖像上勾畫的結(jié)果（紅色曲線），圖2c 為二者的重疊顯示。每一行代表不同層面的鼻咽癌數(shù)據(jù)，背景圖片均為原始CT 圖像。從圖2可以看出，醫(yī)生在PET-CT融合圖像上勾畫的范圍與在增強(qiáng)CT 圖像上勾畫的范圍存在重疊部分，但是無論在大小和形態(tài)上，二者仍然存在較大差異，如第1行所示，在增強(qiáng)CT圖像上勾畫的靶區(qū)形狀相對(duì)較規(guī)則，而在雙模態(tài)PET-CT 圖像上勾畫的靶區(qū)則是凹凸不均。

圖2 增強(qiáng)CT圖像和雙模態(tài)PET-CT圖像靶區(qū)手動(dòng)勾畫結(jié)果比較Figure 2 Comparison of manual segmentations in enhanced CT image versus PET-CT image

2.2 單一SUV 閾值和PET-EDGE 自動(dòng)勾畫結(jié)果的定性比較

圖3顯示SUV部分和PET-EDGE部分的鼻咽癌腫瘤靶區(qū)分割結(jié)果。圖3a為醫(yī)生在PET-CT雙模態(tài)融合圖像手動(dòng)勾畫腫瘤區(qū)域的金標(biāo)準(zhǔn)（綠色曲線）；圖3b、圖3c分別對(duì)應(yīng)單一SUV閾值分割法（紫色曲線）和MIM公司的PET-EDGE算法（紅色曲線）的分割結(jié)果；圖3d為三者分割結(jié)果的重疊顯示。從圖3可以看出，應(yīng)用PETEDGE算法得到的分割結(jié)果最接近醫(yī)生勾畫的金標(biāo)準(zhǔn)，但依然存在部分未重疊區(qū)域，且分割的區(qū)域邊界不光滑。單一SUV閾值分割法的分割結(jié)果與金標(biāo)準(zhǔn)相差較大，出現(xiàn)了多分和錯(cuò)分等情況。

圖3 金標(biāo)準(zhǔn)和基于PET-CT雙模態(tài)融合圖像的不同靶區(qū)分割方法勾畫結(jié)果的對(duì)比圖Figure 3 Comparison of the ground truth and segmentation results obtained by different methods in PET-CT image

2.3 增強(qiáng)CT 圖像的手動(dòng)勾畫和單一SUV 閾值以及PET-EDGE自動(dòng)勾畫三者結(jié)果的定量比較

基于增強(qiáng)CT 圖像的手動(dòng)勾畫法、基于PET-CT圖像的單一SUV 閾值以及PET-EDGE 自動(dòng)勾畫法，三者靶區(qū)分割結(jié)果的Dice 值分別為0.706、0.736、0.806，HD 值分別為12.601、11.631、6.143 mm。說明基于增強(qiáng)CT 圖像的靶區(qū)手動(dòng)勾畫結(jié)果存在較大差異，且分割精度較低；基于PET-CT 雙模態(tài)圖像的PET-EDGE 算法具有較好的靶區(qū)自動(dòng)勾畫性能。此外，為證明3部分結(jié)果的有效性，采用t檢驗(yàn)對(duì)組間結(jié)果進(jìn)行分析。PET-CT 部分靶區(qū)手動(dòng)勾畫的Dice 和HD 高于CT 部分，差異具有統(tǒng)計(jì)學(xué)意義（Dice：P=8.33×10-7；HD：P=1.065×10-18）；PET-EDGE 靶區(qū)自動(dòng)勾畫算法的Dice 和HD 值高于單一SUV 閾值法，差異具有統(tǒng)計(jì)學(xué)意義（Dice：P=0.019 8；HD：P=0.013 7）；同時(shí)觀察到單一SUV 閾值自動(dòng)勾畫與基于增強(qiáng)CT的手動(dòng)勾畫Dice 均值存在顯著性差異（Dice：P=0.040 7），但是HD均值無顯著性差異（HD：P=0.759）。

3 討論

精確勾畫靶區(qū)是確保放射治療有效性的關(guān)鍵因素［17］。PET-CT 雙模態(tài)融合圖像中提供的SUV 及其空間分布信息能夠同時(shí)反映腫瘤區(qū)域組織解剖結(jié)構(gòu)和生物學(xué)效應(yīng)，使醫(yī)生勾畫靶區(qū)更精確［18-20］。本研究結(jié)果顯示增強(qiáng)CT 圖像與PET-CT 雙模態(tài)圖像勾畫的靶區(qū)差異具有統(tǒng)計(jì)學(xué)意義（P＜0.05），提示參照不同模態(tài)的圖像對(duì)勾畫的結(jié)果影響較大。基于PET-CT 雙模態(tài)融合圖像的鼻咽癌靶區(qū)自動(dòng)勾畫算法為醫(yī)生提供了極大的便利。本研究中對(duì)比了兩種基于PET-CT雙模態(tài)融合圖像的鼻咽癌靶區(qū)自動(dòng)勾畫算法，結(jié)果顯示單一SUV 閾值分割法和PET-EDGE 分割法的結(jié)果差異具有統(tǒng)計(jì)學(xué)意義（P＜0.05），前者差于后者，這可能是因?yàn)閱我籗UV 閾值分割法是一種基于絕對(duì)計(jì)數(shù)水平的恒定閾值方法，且不同的SUV 閾值對(duì)靶區(qū)勾畫結(jié)果的影響較大，因此使用單一閾值法確定腫瘤區(qū)域大小存在一定缺陷［21］。PET-EDGE 算法能夠更充分地利用SUV 信息，全面評(píng)估腫瘤位置及其體積特征，在分割腫瘤靶區(qū)時(shí)更具靈活性和適用性。

綜上所述，以PET-CT 手動(dòng)勾畫結(jié)果為金標(biāo)準(zhǔn)，在鼻咽癌PET-CT 融合圖像靶區(qū)的分割性能上，基于PET-CT 圖像的自動(dòng)勾畫優(yōu)于基于增強(qiáng)CT 圖像的手動(dòng)勾畫，MIM 軟件自帶的PET-EDGE 分割算法優(yōu)于單一SUV閾值算法。