DeepViewer软件自动勾画乳腺癌保乳术后肿瘤靶区的初步研究引言近年来乳腺癌是我国女性最常见的恶性肿瘤,其发病率逐年上升,早期乳腺癌的标准治疗手段为保乳手术加术后放化疗,可提高患者远期生存率与生活质量,而且局部复发率大大降低[1-2]。放疗靶区勾画的精准性将直接影响术后放疗的结果,以及病人远期的生活质量,常规医生的手动勾画过程繁琐,耗时费力,同时又和临床医生的主观性和临床经验大大相关,如何提高效率的同时进一步提高放疗靶区的精确性,一直是临床医生关注和研究的重点[3-5]。 近年来,随着人工智能和图像处理技术的不断发展,出现了多种自动勾画软件。DeepViewer软件能够实现对30余种危及器官及常规临床靶区的自动勾画,本文应用DeepViewer软件自动勾画乳腺癌保乳术后患者的放疗靶区,对自动勾画的可行性和准确性进行测试和评估,为临床肿瘤靶区自动勾画的研究及应用提供相应参考。 1 资料与方法1.1 一般资料选取我院2018年1月至2019年12月已进行调强放射治疗(Intensity Modulated Radiation Therapy,IMRT)的20例女性乳腺癌保乳术后放疗患者的资料,患者平均年龄48.5岁,中位年龄为46.4岁,年龄范围35~80岁,以B 01-B 20的数字对20例患者进行编号,其中B 01-B 08号为右侧乳腺癌患者,B 09-B 20号为右侧乳腺癌患者。患者均由热塑体模固定,均采用仰卧位行定位CT扫描。CT模拟定位机型号为西门子Sensation Open CT,扫描层厚5 mm,层间距5 mm。扫描范围包括颈部和胸部,心脏和双肺。扫描后的图像通过网络传入Eclipse三维放疗计划系统。 1.2 临床靶区勾画本研究采用回顾性分析法,将实验样本数据统一导入Eclipse三维放疗计划系统,由一名经验丰富的临床医生勾画临床靶区(Clinical Target Volume,CTV),并由另一名临床医生检查确认。原则上靶区前界为皮下0.5 cm,后界胸壁前方,内界为体中线,外界为腋中线,上界始于第一肋骨下缘,下界为乳腺皮肤皱褶下2 cm[6]。 1.3 自动勾画软件DeepViewer软件(V1.0版本)是由安徽慧软科技有限公司开发的,一种人工智能(Artificial Intelligence,AI)器官勾画系统,可识别并自动勾画30余种人体器官和部分靶区,可以简化放疗医师的工作,并具有执行流程自动化和数据来源多样化的特点。由于数据集选用乳腺癌根治术后的患者,需要手动去除颈部以上靶区(根治病人需要勾画的部分)后再进行对比。如图1所示使用DeepViewer完成自动勾画的界面。 图1 DeepViewer完成自动勾画的界面 将放疗定位CT图像从Eclipse治疗系统导入至DeepViewer软件中,通过选择靶区位置自动勾画患者单侧乳腺靶区结构,并逐一记录勾画完成时间。将软件勾画生成的结构软件导出至Eclipse系统,将软件采集的靶区数据结构与经临床医生确认的手动勾画靶区进行一一对比,计算并分析体积和大小差异。 1.4 评价指标1.4.1 体积差异 ,ΔV%绝对值越大,表明自动勾画与手动勾画结构体积相差越大。 1.4.2 Dice相似性指数 其中,V自动、V手动分别代表自动勾画与手动勾画的靶区体积。Dice相似性指数(Dice Similarity Coefficient,DSC) 的值越大表示两个轮廓形状的相似性越高。若DSC=1,表示两种勾画结果完全重合;DSC=0,表示两种勾画结果没有任何交叉。在图像重合度研究中,DSC>0.7代表两个结构重合度较好[7-8]。 1.4.3 总位置差异 ,其中,Δx、Δy、Δz分别为自动与手动勾画结果在x、y、z三个方向上位置数据差值的绝对值。ΔL能够反映两个结构几何中心的偏移情况,数值越大表明两种勾画结果在空间位置的偏移越大。 1.4.4 统计学分析 对20例乳腺癌患者(12例左侧乳腺癌患者和8例右侧乳腺癌患者),分别对两种参数(ΔV%和DSC)进行统计分析,并分别计算左侧乳腺癌和右侧乳腺癌的两组DSC值及△L(位置差异)。采用SPSS 20.0软件进行分析,使用独立样本t检验,P<0.05为差异有统计学意义。 2 结果2.1 两种勾画方式对靶区勾画结果△V%、DSC、△x,△y,△z和△L的比较图2、图3和图4分别显示了乳腺靶区自动勾画和手工勾画的百分体积差异△V%、 DSC值和位置差异。表1、表2和表3分别显示了全部20例(右侧8例及左侧12例)乳腺癌患者六种参数(△V%、DSC、△x,△y,△z和△L)的统计数据,包括最大值、最小值、平均值和标准差。其中B10出现一例极值(DSC=0.275,△L=6.635)。 使用t检验,对左侧乳腺癌和右侧乳腺癌的两组DSC值及△L数据进行比较,P=0.560>0.05及P=0.890>0.05表明两组数据没有统计学差异。此外,关于两种勾画方法所用的时间,使用DeepViewer软件自动勾画靶区的时间平均约为35 s,而本部门手动勾画心脏结构的时间平均约为310 s。自动勾画相比于手工勾画,节约了大约89%的时间。 图2 自动勾画和手工勾画的百分体积差异ΔV% 图3 自动勾画和手工勾画的DSC值 图4 靶区自动勾画和手工勾画的位置差异 表1 20例乳腺癌保乳术后患者心脏结构勾画的统计 项目 ΔV%/% DSC △x/cm △y/cm △z/cm △L/cm最大值 -4.28% 0.843 1.5 5.66 1.43 6.635最小值 -60.40% 0.275 -3.24 -1.6 -2.38 0.834平均值 -21.43% 0.675 -0.224 -0.142 -0.292 1.757标准差 15.29% 0.11 1.039 1.437 1.201 1.227 表2 8例右侧乳腺癌患者心脏结构勾画的统计 项目 ΔV%/% DSC △x/cm △y/cm △z/cm △L/cm最大值 -4.28% 0.843 1.5 5.66 1.26 6.635最小值 -46.98% 0.620 -3.24 -1.02 -1.63 1.157平均值 -31.07% 0.694 0.234 0.29 -0.052 2.189标准差 13% 0.07 1.473 2.189 1.281 1.814 表3 12例左侧乳腺癌患者心脏结构勾画的统计 项目 ΔV%/% DSC △x/cm△y/cm △z/cm △L/cm最大值 -5.56% 0.782 0.03 0.52 1.43 2.412最小值 -60.40% 0.275 -1.23 -1.6 -2.38 0.834平均值 -28.34% 0.662 -0.529 -0.43 -0.452 1.469标准差 17.12% 0.13 0.483 0.539 1.174 0.528 3 讨论放疗技术的飞速发展使治疗方式从二维照射发展为三维适形、调强和立体定向放射治疗,对放射治疗的精确性要求也越来越高,IMRT在保乳术后放疗中的应用是近代乳腺癌放射治疗的重要进展之一,其具有提高乳腺内照射剂量的均匀性,并降低心肺和靶区外正常组织照射剂量的潜在优势[9-10]。做好精确的放疗,靶区勾画的准确性起着至关重要的作用,以往临床医生的手动勾画依赖于其临床经验和影像学水平,时间也比较长,缺乏评价标准和机制,准确性不能实时评估,现有的半自动和全自动勾画技术大多是基于信息交互算法设立的Atlas图库,选择一个与测试患者最佳匹配的病例,将该病例的勾画轮廓进行形变,形变的结果映射到测试患者CT上,形成自动勾画的轮廓,诸如ABAS,MIM,OnQ,Raysation,RAIC.OIS等国内外的大型商用软件[11-14]。对于一般骨性标志明显、边界清晰的结构,利用图谱库一般可以得到较好的效果,但对于其他器官,使用图谱库勾画时整体结果较差。随着AI的飞速发展,近年来科学家开始探索使用人工智能技术实现自动勾画,本研究所选用的DeepViewer软件就是基于深度学习算法处理图像数据,将其作为训练集来获得自动勾画的配置参数实现危及器官和放疗靶区的自动勾画,从而辅助放疗规划[15-17]。 由图1及三个表中ΔV%的统计数据可以看出,ΔV%均为负值,表明自动勾画的乳腺靶区体积普遍小于手工勾画的靶区体积,一方面是因为本软件的数据训练集是乳腺癌根治术后病人,对比之前已手动去除颈部以上靶区(根治病人需要勾画的部分),之前的相关研究表明乳腺癌根治术后的病人自动勾画对比手动勾画的DSC值为0.89~0.89;进一步了解到该软件的训练集数据来自河南某医院,不同地域人群在解剖学上会造成一定的差异,加上不同地区放疗部门对靶区勾画的标准并不统一,导致软件设定的勾画标准没有普适性[18];另外一方面边界勾画的区域普遍较小,考虑软件本身图像分割的阈值和算法有待完善,已向厂家提出反馈意见。 左侧乳腺癌和右侧乳腺癌相比,DSC值和ΔL(位置差异)差异较小,比较结果显示没有统计学差异。由结果中的勾画时间数据的比较可见,使用DeepViewer软件自动勾画乳腺癌患者的肿瘤靶区结构,可明显缩短勾画时间,提高工作效率。20例数据的DSC的平均值达到0.675,一般DSC>0.7即认为两个轮廓的重合较好[19-20]。这表明DeepViewer软件勾画乳腺放疗靶区整体效果还有待进一步研究对比,并且实验中出现1例极值,软件运行的稳定性需要进一步进行研究。 综上所述,待DeepViewer软件增加保乳术病人训练集的模块后还要进行更深入的研究和对比,以不断提高其自动勾画的精确性和稳定性。目前该软件可以实现对乳腺癌患者的靶区进行自动勾画,且能够达到基本满意的效果,使用该软件可缩短临床医生的勾画时间,减轻临床医生的工作负担,提高放射治疗工作效率,有较好的应用前景。 [1]林权,庄明,曹阳,等.左乳腺癌保乳术后不同放疗方式的剂量学比较[J].现代肿瘤医学,2019,27(24):4455-4458. [2]巴云涛,王权,刘海龙,等.大分割放疗治疗早期乳腺癌保乳手术后患者的疗效及安全性[J].癌症进展,2020,18(4):384-387. [3]陆曹政,金振军,蔡怡.放疗方式对早期乳腺癌保乳术后康复情况的影响[J].中国处方药,2019,17(12):157-159. [4]杨昕.乳腺癌保乳术后放疗外轮廓对PTV剂量影响探讨[J].中国保健营养,2019,29(36):61-62. [5]孙松韦.不同放疗方案治疗早期乳腺癌保乳术后患者的效果比较[J].黑龙江医药,2019,32(6):1418-1420. [6]高文超,王军良,曹井丽,等.左侧乳腺癌保乳术后两种呼吸模式下调强放疗剂量学参数比较[J].现代肿瘤医学,2019,27(20):3699-3702. [7]张莉莉,于荣桓.三维适形放疗、三维调强放疗对乳腺癌保乳术后患者的疗效观察[J].中国社区医师,2019,35(31):30. [8]邬容,任素蓉,李雪松.调强放疗与常规放疗应用于早期左侧乳腺癌保乳术后患者的剂量学及心功能比较[J].实用医院临床杂志,2019,16(5):204-207. [9]赵娜.乳腺癌保乳术后三维适形放疗与调强放疗的疗效及不良反应[J].中国医药指南,2019,17(30):6-7. [10]郑林晶,杨东,胡兵,等.早期乳腺癌保乳术后大分割放疗的临床观察[J].国际肿瘤学杂志,2019,46(6):331-336. [11]刘宏新,张伟,李明晓,等.调强放疗与常规放疗对早期乳腺癌患者保乳术后辅助治疗的疗效分析[J].养生保健指南,2019,(30):220. [12]陈德东.延迟放疗对乳腺癌保乳术后患者生存状况影响的分析[J].中国医药指南,2019,17(19):76-77. [13]位楠楠,李多杰.乳腺癌保乳术后大分割放疗的临床研究进展[J].中国肿瘤临床,2019,(4):208-211. [14]梁婵.调强放疗与常规放疗用于乳腺癌保乳术后效果比较[J].中国乡村医药,2019,26(2):11-12. [15]卢奕康,李东升.乳腺癌保乳术后两种放疗技术剂量学分析[J].吉林医学,2019,40(2):336-337. [16]马家宝,王捷.早期乳腺癌保乳术后的个体精准化放疗[J].中国普外基础与临床杂志,2018,25(2):143-147. [17]苏建淳,胡学锋,卢秋霞,等.左侧乳腺癌保乳术后调强放疗与常规放疗靶区内剂量均匀性心肺照射剂量和体积的差异分析[J].山西医药杂志,2017,46(14):1714-1716. [18]孙宇晨,张晓智,李毅.自动轮廓勾画软件构建图谱库在宫颈癌放疗中应用探讨[J].中华放射肿瘤学杂志,2017,26(10):1167-1172. [19]何奕松,蒋家良,余行,等.影像分割中Dice系数和Hausdorff距离的比较[J].中国医学物理学杂志,2019,36(11):1307-1311. [20]Mariangela LM,Francesco F,Maurizio A,et al.Systematic evaluation of three different commercial software solutions for automatic segmentation for adaptive therapy in head-and-neck,prostate and pleural cancer[J].Radiat Oncol,2012,18(7):160. The Initial Study on Automatic Delineation of Gross Target Volume after Breast-Conserving Surgery by DeepViewer Software |