DeepViewer軟件自動勾畫乳腺癌保乳術后腫瘤靶區的初步研究

田書暢，時飛躍，趙紫婷，王敏，秦偉，吳倩倩，秦航，蔣紅兵,3

1. 南京醫科大學附屬南京醫院（南京市第一醫院） a. 醫療設備處；b. 腫瘤放療中心，江蘇 南京 210006；2. 南京醫科大學醫學物理研究中心，江蘇 南京 210029；3. 南京市急救中心，江蘇 南京 210003

引言

近年來乳腺癌是我國女性最常見的惡性腫瘤，其發病率逐年上升，早期乳腺癌的標準治療手段為保乳手術加術后放化療，可提高患者遠期生存率與生活質量，而且局部復發率大大降低[1-2]。放療靶區勾畫的精準性將直接影響術后放療的結果，以及病人遠期的生活質量，常規醫生的手動勾畫過程繁瑣，耗時費力，同時又和臨床醫生的主觀性和臨床經驗大大相關，如何提高效率的同時進一步提高放療靶區的精確性，一直是臨床醫生關注和研究的重點[3-5]。

近年來，隨著人工智能和圖像處理技術的不斷發展，出現了多種自動勾畫軟件。DeepViewer軟件能夠實現對30余種危及器官及常規臨床靶區的自動勾畫，本文應用DeepViewer軟件自動勾畫乳腺癌保乳術后患者的放療靶區，對自動勾畫的可行性和準確性進行測試和評估，為臨床腫瘤靶區自動勾畫的研究及應用提供相應參考。

1 資料與方法

1.1 一般資料

選取我院2018年1月至2019年12月已進行調強放射治療（Intensity Modulated Radiation Therapy，IMRT）的20例女性乳腺癌保乳術后放療患者的資料，患者平均年齡48.5歲，中位年齡為46.4歲，年齡范圍35～80歲，以B 01-B 20的數字對20例患者進行編號，其中B 01-B 08號為右側乳腺癌患者，B 09-B 20號為右側乳腺癌患者?；颊呔蔁崴荏w模固定，均采用仰臥位行定位CT掃描。CT模擬定位機型號為西門子Sensation Open CT，掃描層厚5 mm，層間距5 mm。掃描范圍包括頸部和胸部，心臟和雙肺。掃描后的圖像通過網絡傳入Eclipse三維放療計劃系統。

1.2 臨床靶區勾畫

本研究采用回顧性分析法，將實驗樣本數據統一導入Eclipse三維放療計劃系統，由一名經驗豐富的臨床醫生勾畫臨床靶區（Clinical Target Volume，CTV），并由另一名臨床醫生檢查確認。原則上靶區前界為皮下0.5 cm，后界胸壁前方，內界為體中線，外界為腋中線，上界始于第一肋骨下緣，下界為乳腺皮膚皺褶下2 cm[6]。

1.3 自動勾畫軟件

DeepViewer軟件（V1.0版本）是由安徽慧軟科技有限公司開發的，一種人工智能（Artificial Intelligence，AI）器官勾畫系統，可識別并自動勾畫30余種人體器官和部分靶區，可以簡化放療醫師的工作，并具有執行流程自動化和數據來源多樣化的特點。由于數據集選用乳腺癌根治術后的患者，需要手動去除頸部以上靶區（根治病人需要勾畫的部分）后再進行對比。如圖1所示使用DeepViewer完成自動勾畫的界面。

圖1 DeepViewer完成自動勾畫的界面

將放療定位CT圖像從Eclipse治療系統導入至DeepViewer軟件中，通過選擇靶區位置自動勾畫患者單側乳腺靶區結構，并逐一記錄勾畫完成時間。將軟件勾畫生成的結構軟件導出至Eclipse系統，將軟件采集的靶區數據結構與經臨床醫生確認的手動勾畫靶區進行一一對比，計算并分析體積和大小差異。

1.4 評價指標

1.4.1 體積差異

1.4.2 Dice相似性指數

1.4.3 總位置差異

1.4.4 統計學分析

對20例乳腺癌患者（12例左側乳腺癌患者和8例右側乳腺癌患者），分別對兩種參數（ΔV%和DSC）進行統計分析，并分別計算左側乳腺癌和右側乳腺癌的兩組DSC值及△L（位置差異）。采用SPSS 20.0軟件進行分析，使用獨立樣本t檢驗，P＜0.05為差異有統計學意義。

2 結果

2.1 兩種勾畫方式對靶區勾畫結果△V%、DSC、△x，△y，△z和△L的比較

圖2、圖3和圖4分別顯示了乳腺靶區自動勾畫和手工勾畫的百分體積差異△V%、 DSC值和位置差異。表1、表2和表3分別顯示了全部20例（右側8例及左側12例）乳腺癌患者六種參數（△V%、DSC、△x，△y，△z和△L）的統計數據，包括最大值、最小值、平均值和標準差。其中B10出現一例極值（DSC=0.275，△L=6.635）。

使用t檢驗，對左側乳腺癌和右側乳腺癌的兩組DSC值及△L數據進行比較，P=0.560＞0.05及P=0.890＞0.05表明兩組數據沒有統計學差異。此外，關于兩種勾畫方法所用的時間，使用DeepViewer軟件自動勾畫靶區的時間平均約為35 s，而本部門手動勾畫心臟結構的時間平均約為310 s。自動勾畫相比于手工勾畫，節約了大約89%的時間。

圖2 自動勾畫和手工勾畫的百分體積差異ΔV%

圖3 自動勾畫和手工勾畫的DSC值

圖4 靶區自動勾畫和手工勾畫的位置差異

表1 20例乳腺癌保乳術后患者心臟結構勾畫的統計

表2 8例右側乳腺癌患者心臟結構勾畫的統計

表3 12例左側乳腺癌患者心臟結構勾畫的統計

3 討論

放療技術的飛速發展使治療方式從二維照射發展為三維適形、調強和立體定向放射治療，對放射治療的精確性要求也越來越高，IMRT在保乳術后放療中的應用是近代乳腺癌放射治療的重要進展之一，其具有提高乳腺內照射劑量的均勻性，并降低心肺和靶區外正常組織照射劑量的潛在優勢[9-10]。做好精確的放療，靶區勾畫的準確性起著至關重要的作用，以往臨床醫生的手動勾畫依賴于其臨床經驗和影像學水平，時間也比較長，缺乏評價標準和機制，準確性不能實時評估，現有的半自動和全自動勾畫技術大多是基于信息交互算法設立的Atlas圖庫，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行形變，形變的結果映射到測試患者CT上，形成自動勾畫的輪廓，諸如ABAS，MIM，OnQ，Raysation，RAIC.OIS等國內外的大型商用軟件[11-14]。對于一般骨性標志明顯、邊界清晰的結構，利用圖譜庫一般可以得到較好的效果，但對于其他器官，使用圖譜庫勾畫時整體結果較差。隨著AI的飛速發展，近年來科學家開始探索使用人工智能技術實現自動勾畫，本研究所選用的DeepViewer軟件就是基于深度學習算法處理圖像數據，將其作為訓練集來獲得自動勾畫的配置參數實現危及器官和放療靶區的自動勾畫，從而輔助放療規劃[15-17]。

由圖1及三個表中ΔV%的統計數據可以看出，ΔV%均為負值，表明自動勾畫的乳腺靶區體積普遍小于手工勾畫的靶區體積，一方面是因為本軟件的數據訓練集是乳腺癌根治術后病人，對比之前已手動去除頸部以上靶區（根治病人需要勾畫的部分），之前的相關研究表明乳腺癌根治術后的病人自動勾畫對比手動勾畫的DSC值為0.89～0.89；進一步了解到該軟件的訓練集數據來自河南某醫院，不同地域人群在解剖學上會造成一定的差異，加上不同地區放療部門對靶區勾畫的標準并不統一，導致軟件設定的勾畫標準沒有普適性[18]；另外一方面邊界勾畫的區域普遍較小，考慮軟件本身圖像分割的閾值和算法有待完善，已向廠家提出反饋意見。

左側乳腺癌和右側乳腺癌相比，DSC值和ΔL（位置差異）差異較小，比較結果顯示沒有統計學差異。由結果中的勾畫時間數據的比較可見，使用DeepViewer軟件自動勾畫乳腺癌患者的腫瘤靶區結構，可明顯縮短勾畫時間，提高工作效率。20例數據的DSC的平均值達到0.675，一般DSC>0.7即認為兩個輪廓的重合較好[19-20]。這表明DeepViewer軟件勾畫乳腺放療靶區整體效果還有待進一步研究對比，并且實驗中出現1例極值，軟件運行的穩定性需要進一步進行研究。

綜上所述，待DeepViewer軟件增加保乳術病人訓練集的模塊后還要進行更深入的研究和對比，以不斷提高其自動勾畫的精確性和穩定性。目前該軟件可以實現對乳腺癌患者的靶區進行自動勾畫，且能夠達到基本滿意的效果，使用該軟件可縮短臨床醫生的勾畫時間，減輕臨床醫生的工作負擔，提高放射治療工作效率，有較好的應用前景。