胸部增強CT 不同重組算法深度學習診斷肺結節良惡性

沈晶 林琳 劉文飛 伍建林

MSCT 在肺結節診斷中應用較為廣范［1］，因不同重組算法的胸部CT 圖像質量不同，因此在肺結節的診斷中存在一定差異性。隨著人工智能技術進步，深度學習智能輔助診斷（deep learning based computer-aided diagnosis，DL-CAD）通過使用卷積神經網絡進行病例圖像訓練，進而提取肺結節的主要影像特征，對結節的性質進行預測［2,3］。既往結果已顯示DL-CAD 可有效地輔助影像醫師對肺結節進行準確、可靠診斷，提高影像醫師的診斷效率和準確性［4-6］。既往研究結果采用不同計算機深度學習算法來分析其對肺結節良惡性診斷的差異，或胸部CT 平掃不同重組算法下肺結節的診斷效能［7-9］。但胸部CT 增強掃描為肺部病變可提供更詳細的影像信息，根據肺結節增強表現，有助于影像科醫生做出更精準診斷。基于肺結節CT增強不同重組算法DL-CAD 診斷效能的對比研究相對較少。本研究對胸部增強CT 不同重組算法下肺結節DL-CAD 診斷效能做一對比研究，以期為提高DL-CAD 肺結節良惡性診斷效能提供幫助。

資料與方法

1.一般資料

回顧性收集2018 年1 月～2019 年1 月行胸部增強CT 檢查患者40 例，男27 例，女13 例；年齡22～65歲，平均（42±10.2）歲。納入標準：（1）肺內結節直徑大于0.5 cm 的磨玻璃結節、實性結節或腫塊；（2）行胸部增強CT 檢查，且有不同重組算法（B30f 軟組織算法，B70f 骨算法）1 mm 薄層重建；（3）于我院進行肺腫物手術，具有完整的臨床、病理資料者。排除標準：（1）因金屬偽影、呼吸偽影等導致CT 圖像質量不佳者；（2）患者存在肺炎、肺不張、胸腔積液等影響病灶確認及標注者；（3）無B30f、B70f 1 mm 薄層CT 重組圖像者。所有病例均經手術病理證實，其中良性（包括淋巴結1例、纖維化結節3 例、慢性炎癥5 例、肉芽腫性炎癥1 例）10 例，惡性（包括原位癌4 例、腺癌23例、其他類型肺癌3 例）30 例。

2.圖像采集與重組

所有患者均行Siemens 雙源（Definition Flash）胸部CT 增強雙期掃描，采用管電壓120 kVp，采用自動管電流，調節技術Care Dose 4D 動態曝光劑量調節，層厚1.0 mm，重疊0.7 mm。增強掃描采用高壓注射器肘正中靜脈注射非離子型對比劑碘佛醇（320 mg I/ml），劑量100 ml，流率3.0 ml/s，采用動脈期閾值觸發啟動掃描（100 HU），動脈期掃描后60 s行靜脈期掃描。采用不同的重組核條件（B30f 軟組織算法和B70f 骨算法）進行胸部增強CT 動脈期重組，重組圖像層厚1 mm。選用DL-CAD 輔助軟件（InferRead Lung CT Research，Infervision，Beijing，China）行肺結節自動檢測并行惡性概率百分比評估（惡性概率越接近100%，提示惡性腫瘤可能性越大）。所示患者胸部CT 均進行深度學習智能診斷軟件自動識別確定病變大小、位置、惡性概率百分比等。每個結節用DL-CAD 系統分析其惡性概率值（0～100%）。計算不同重組核的ROC 曲線下面積（area under curve，AUC）及良惡性結節的診斷符合率。

3.統計學分析

采用SPSS 20.0 軟件進行分析，分別計算各組不同算法的符合率及診斷效能，以P<0.05 為差異有統計學意義。

結果

采用DL-CAD 系統對胸部增強CT 不同重組算法（B30f 及B70f）的肺結節進行檢測分析，結果顯示所示患者肺內病變均被檢出。胸部增強CT B30f 重組算法對良性結節的診斷符合率為42.86%，對惡性結節的診斷符合率為90.00%。胸部增強CT B70f 重組算法對良、惡性結節的診斷符合率分別為44.44%和86.67%。

DL-CAD 系統對胸部良性結節的定性診斷準確率低于50%，本研究中DL-CAD 胸部增強CT B30f、B70f 對良性結節的誤診率分別為57.14%、55.56%。而對惡性病變診斷符合率均高于85%，DL-CAD 胸部增強CT B30f、B70f 對惡性結節的誤診率分別為10.00%、13.33%。良性結節及惡性結節DL-CAD 系統不同重組方式（B30f、B70f）診 斷效能情況對比見圖1。同時，與胸部增強B30f 預測（AUC=0.473）相比，胸部增強B70f 預測病變的AUC 為0.704。

討論

近年來，基于DL-CAD 系統在肺結節的診斷應用中越來越廣泛［10］，深度學習算法的肺結節檢出及診斷效能很大程度上與胸部CT 圖像質量高度相關［6］。不同重組算法會影響圖像空間分辨率及噪聲值，如骨算法（B70f）會提高空間分辨率，同時可增加噪聲值；而軟組織重組算法（B30f）可降低噪聲值，同時降低空間分辨率［6］。既往研究結果顯示［6］，骨算法條件下，肺結節診斷敏感度最高，軟組織重組診斷敏感度最低，而軟組織算法準確度最高。既往研究應用DL-CAD 系統對不同管電流、管電壓、重組算法、迭代算法肺結節診斷的對比進行了研究［6,11-14］。而胸部增強CT 在一些良惡性腫瘤的鑒別價值值得肯定。但基于胸部增強CT不同重組算法的肺結節良惡性DL-CAD 鑒別診斷的研究較少。

圖1 男，69歲，左肺下葉后基底段腫塊，大小約3.9 cm×3.4 cm，病理為鱗狀細胞癌。a）胸部增強CT B30f 重組算法圖像，DL-CAD 肺結節惡性概率預測值為99.03%；b）胸部增強CT B70f 重組算法圖像，DL-CAD 肺結節惡性概率預測值為99.28% 圖2 女，48歲，右肺下葉后基底段結節灶，大小約0.9 cm×0.8 cm，病理為腺癌。a）胸部增強CT B30f 重組算法圖像，DL-CAD 肺結節惡性概率預測值為71.93%；b）胸部增強CT B70f 重組算法圖像，DL-CAD 肺結節惡性概率預測值為91.91% 圖3 男，60歲，右肺下葉外基底段結節灶，大小約1.3 cm×2.4 cm，病理為右肺慢性炎性改變伴纖維化、碳末沉積。a）胸部增強CT B30f 重組算法圖像，DL-CAD 肺結節惡性概率預測值為85.98%；b）胸部增強CT B70f 重組算法圖像，DL-CAD 肺結節惡性概率預測值為96.09% 圖4 女，60歲，右肺下葉前基底段混合磨玻璃密度灶，大小約0.8 cm×0.7 cm，病理為腺泡上皮不典型增生伴纖維組織增生。a）胸部增強CT B30f 重組算法圖像，DL-CAD 肺結節惡性概率預測值為41.96%；b）胸部增強CT B70f 重組算法圖像，DL-CAD 肺結節惡性概率預測值為55.43%

本研究發現胸部增強CT B70f 骨算法對所有肺良惡性結節診斷符合率較高，由于骨算法對顯示邊緣最為銳利，其對精細結構的顯示優于軟組織算法［6］。而對惡性結節診斷符合率的評估中，胸部增強CT B30f 縱隔軟組織算法的符合率略高于B70f 骨算法，與既往基于深度學習胸部CT 平掃肺結節診斷的研究結果一致［6］，因B30f 軟組織重組算法最為平滑，可得到較高的診斷率。而對良性結節的診斷符合率兩種重組方式均較低，可能因部分良性結節表現與惡性相似。本研究使用的DL-CAD 版本對良性結節診斷仍難以到達較高水平有關，需進一步優化。

本研究具有一定的局限性：（1）研究樣本量較小，良性結節病例數尤為少。（2）研究中病變為磨玻璃密度及實性腫塊均收錄在內，因此會對結果的判讀產生一定偏倚。需在今后的研究中進一步擴大樣本量，進行結節或腫塊的分類分析，以期得到更好的研究結果。

應用DL-CAD 系統，B70f 重組對良惡性肺腫瘤的檢出率明顯提高。然而，在DL-CAD 系統的未來版本中，由于結節的特點，無論惡性程度如何，診斷符合率仍有待提高。利用商業化的DL-CAD系統結合不同的重組有助于在增強CT 圖像中發現和預測不同惡性風險的肺結節。