宮頸癌CT圖像診斷系統對淋巴結勾畫的效能評估

張秀明，沈文榮，喬偉，蔣玉婷，白晨光，貢震，陳歡，徐寒子*

1.江蘇省腫瘤醫院CT 室，江蘇南京 210009；2.南京大學電子科學與工程學院，江蘇南京 210046；3.南京市婦幼保健院婦科，江蘇南京 210011；4.江蘇省腫瘤醫院婦科放療科，江蘇南京 210009； *通訊作者 徐寒子 benben_cat@126.com

宮頸癌是女性常見的惡性腫瘤，其發病率居第二位，僅次于乳腺癌[1]。宮頸癌的治療方法主要為早期手術切除。無法切除者行局部放射治療，療效尚佳[2]。選擇治療方案前準確評估腫瘤及淋巴結情況具有重要意義。CT 掃描可準確顯示宮頸體積及引流區淋巴結情況，是宮頸癌的常規檢查方法[3]。隨著人工智能的發展，智能閱片已成為研究熱點[4]。本研究擬分析基于卷積神經網絡（convolution neural networks，CNN）的宮頸癌圖像診斷系統與高年資醫師人工閱片對CT 斷層圖像淋巴結判別的一致性及診斷效能。

1 資料與方法

1.1 研究對象 收集江蘇省腫瘤醫院影像科PACS 系統內2017年3—12月婦科放療科及婦瘤科收治的經活檢或手術證實的宮頸癌患者56例，年齡22～73歲，平均（43.2±13.5）歲。納入標準：①首次行CT檢查，且檢查前均未行放療、化療及PET/CT檢查；②雙側盆壁至少包含1枚淋巴結；③有薄層腹部CT圖像（層厚1 mm）。排除標準：①患有彌漫性轉移性病變、宮腔內有節育環偽影較大者；②廣泛炎性粘連性病變；③大量盆腔積液及其他偽影較大者。

1.2 CT檢查 使用GE Discovery CT750 HDCT 或Hispeed NX/i 掃描儀，管電壓均為120 kV。Discovery CT750 HDCT 掃描儀采用自動毫安秒技術；Hispeed NX/i 掃描儀管電流為400 mAs、層厚5 mm、層間距5 mm、重建層厚1 mm。對比劑為碘海醇100 ml，注射速度2 ml/s。掃描范圍從膈肌上緣到恥骨聯合下緣。圖像觀察采用腹窗，窗寬350，窗位40。

1.3 圖像診斷系統勾畫淋巴結及人工圖像 觀察基于CNN 建立宮頸癌圖像診斷系統。該系統使用GoogLeNet 網絡進行二分類和Faster R-CNN 進行目標檢測，使用與淋巴結大小相適應的方框勾畫出淋巴結。由2名影像科副主任醫師共同對每位患者的CT圖像選取10枚位置、大小、密度與淋巴結相近的血管斷面作為陰性對照，并對勾畫的淋巴結圖像進行人工閱片記錄。為保證人工閱片的準確性，由2名影像科副主任醫師進行雙盲閱片。達成一致意見后分別記錄淋巴結大小、位置、有無壞死等情況，以及圖像診斷系統相應勾畫情況。

1.4 統計學方法 應用SPSS 17.0 軟件，診斷系統與人工閱片的一致性分析采用Kappa檢驗。P<0.05表示有統計學意義。計算診斷系統對淋巴結勾畫的敏感度及特異度，繪制受試者工作特征（ROC）曲線，并計算曲線下面積。

2 結果

2.1 圖像診斷系統未能識別的淋巴結 56例患者共679枚淋巴結中，36枚未能被診斷系統勾畫出。①16枚淋巴結短徑<0.5 cm，均未合并壞死，其中5枚位于宮頸癌淋巴結常見引流區，即腹膜后、髂總血管旁及雙側盆壁；11枚位于非常規引流區，如髂內血管旁。②14枚淋巴結短徑0.5～2.0 cm，其中2枚位于常規位置合并壞死；4枚位于非常規位置合并壞死；3枚位于常規位置不合并壞死；5枚位于非常規位置不合并壞死。③6枚淋巴結短徑>2 cm，其中1枚位于常規位置合并壞死；2枚位于非常規位置合并壞死；1枚位于常規位置不合并壞死；2枚位于非常規位置不合并壞死。

2.2 圖像診斷系統未能排除的對照結節 診斷系統將560枚對照結節誤診的78枚淋巴結位于常規位置，淋巴結短徑<0.5 cm，不合并壞死；482枚準確排除。典型病例見圖1、2。

2.3 一致性分析Kappa檢驗結果顯示，診斷系統與人工閱片具有高度一致性（Kappa=0.813，P<0.01）。以此為標準計算得出圖像診斷系統對淋巴結勾畫的敏感度為94.70%，特異度為86.07%，ROC 曲線下面積為0.904（圖3）。

圖1 女，46歲，圖像診斷系統勾畫錯誤的淋巴結與對應正確的淋巴結勾畫圖像。診斷系統將腹主動脈左旁細小的血管錯認為淋巴結（A）；診斷系統未能識別出較大的腹膜后淋巴結后方1枚小淋巴結（B）；診斷系統將左側盆壁小血管誤認為小淋巴結（C）；左側盆壁有多枚淋巴結，診斷系統僅勾畫出其中1枚（D）；紅框示診斷系統勾畫淋巴結情況，綠框示左列相對應CT圖像人工勾畫

圖2 女，52歲，影像診斷系統勾畫正確的淋巴結。腹膜后淋巴結勾畫（A）；雙側盆壁淋巴結勾畫（B）

圖3 影像診斷系統的ROC 曲線

3 討論

隨著科技的發展，人工智能診斷在醫學中的應用已取得重大進步[5-6]。CNN 作為深度學習領域的一個分支，在圖像處理領域得到廣泛應用，其可模擬動物的視覺認知行為，無需人工提取任何特征，僅需要將原始圖像輸入模型即可完成對圖像的分類，是一種有效的圖像分析算法[7-9]。本研究選取基于CNN 的宮頸癌圖像診斷系統，通過大量的宮頸癌淋巴結圖像學習、識別、影像科醫師修正后再學習過程，從圖像中對目標淋巴結進行識別。前期診斷系統對于出現頻率較高的同類型淋巴結學習次數較多，后期對此類淋巴結識別的敏感度及特異度均會增加。本研究結果顯示圖像診斷系統與人工閱片具有高度一致性，ROC 曲線下面積為0.904，敏感度為94.70%、特異度為86.07%。同時診斷系統對淋巴結可進行快速勾畫，可見圖像診斷系統進行淋巴結勾畫具有高效、準確、穩定的優點。

本研究結果顯示，診斷系統勾畫78枚非淋巴結結節，主要緣于將輕度強化的較細血管誤認為小淋巴結，推測主要是診斷系統對于淋巴結常見位置出現的與淋巴結密度值相近的結節狀影誤認為淋巴結。診斷系統勾畫淋巴結缺乏人工閱片對多層圖像連續觀察綜合分析的能力。人工閱片可通過連續的圖像觀察區分某一斷層的小結節影，診斷系統所接收的信息各層面均獨立存在，故造成此類錯誤。另有36枚淋巴結診斷系統未能準確勾畫，其主要原因為：①非常規位置出現的淋巴結，如宮頸癌的淋巴結主要位于腎門水平以下腹膜后主腔血管間及腹主動脈左旁[10]。對于某些非常規位置淋巴結，前期診斷系統學習過程中所接收到的圖像信息此種位置的較少。②血管較多的區域內合并淋巴結存在，圖像診斷系統無法完全從較多的血管斷面中識別出合并的小淋巴結，尤其在淋巴結強化相對明顯與血管灰度值相差較小的情況下。③宮頸癌患者淋巴結較多時，圖像診斷系統僅識別部分淋巴結，且以常見位置淋巴結識別為主，故出現遺漏。④對于合并壞死的腫大淋巴結圖像診斷系統的識別度欠佳，推測由淋巴結灰度值的改變所致。

本研究以宮頸癌患者的淋巴結為研究對象，原因是無論外科手術或放射性治療均需對淋巴結進行準確勾畫，并依據淋巴結短徑、是否位于引流高危區選擇是否進行處理[11]。CT圖像可較好地顯示宮頸癌各區域的淋巴結[12]；人工閱片首先需確定淋巴結，然后根據淋巴結的長、短徑及其比值、形態、邊緣是否模糊、強化是否均勻，以進一步判斷性質[13]。依據美國腫瘤放射治療協作組織和美國國立綜合癌癥網絡頒布的《關于宮頸癌調強放療靶區勾畫指南》，靶區勾畫原則是淋巴結短徑>1 cm 或PET/CT為陽性[14-15]。如影像學結果提示淋巴結轉移為陰性，放射野亦應覆蓋髂外淋巴結、髂內淋巴結、閉孔淋巴結和骶前淋巴結群[16]。由此可見，PET/CT 攝取陽性對于淋巴結性質的判定具有較高的價值。但由于費用較高，并非所有患者均能夠在治療前接受PET/CT檢查；而淋巴結短徑可提供治療依據。因此，臨床治療首先需明確淋巴結的存在，即影像檢查對淋巴結應具有良好的可見性。與PET/CT 及MRI 相比，CT檢查具有速度快、范圍廣、費用相對較低等優勢，仍是宮頸癌患者的主要檢查方法，且基本可滿足上述臨床治療原則。因此，這一圖像診斷系統目前階段即為能夠準確勾畫出所有引流區及其他非常規引流區內出現的不同大小的淋巴結，為臨床治療方案的制訂提供幫助，降低非影像專業臨床醫師勾畫靶區時漏畫淋巴結的幾率。

總之，基于CNN 的宮頸癌圖像診斷系統通過模擬動物視覺認知功能及前期病例的學習可準確地勾畫出宮頸癌患者CT圖像中的淋巴結。如去掉短徑<0.5 cm 的淋巴結（大部分無臨床意義），診斷系統的敏感度及特異度將會進一步提升，從而為臨床工作提供良好的輔助作用。