基于RT-Mind軟件的乳腺癌靶區及危及器官的自動勾畫

高文超，王軍良，秦琪，林鴻宇，解傳濱，戴相昆，張軍艦

中國人民解放軍總醫院 a. 第五醫學中心放療科；b. 第一醫學中心放療科，北京 100853

引言

乳腺癌是全球女性中最為常見的惡性腫瘤，其每年新增患病人數約100萬，年死亡率在全部癌癥中僅次于肺癌（超過40萬）[1]。早期乳腺癌患者采用保乳手術聯合術后放療治療模式，術后放療能夠有效地降低局部復發率，提高患者生存率。臨床靶區（Clinical Target Volumes，CTV）和危及器官（Organs-At-Risk，OARs）的精確勾畫是乳腺癌患者精確放療的前提和保證。放射腫瘤醫師手動勾畫的CTV和OARs是當前臨床勾畫的金標準，但是臨床工作中CTV及OARs的勾畫是一個費時且費力的工作，大量重復性的工作降低了醫師對患者進行診療的效率[2-3]。近年來，自動勾畫軟件的開發已成為放療領域的熱點，基于患者圖集[4-5]和基于卷積神經網絡（Convolutional Neural Networks，CNN）[6-7]的自動勾畫是目前兩種主要的自動勾畫技術。本研究的RT-Mind軟件是基于CNN開發出來的自動勾畫軟件，它是利用改進版的U-Net卷積神經網絡模型（RTD-Net），運用標準數據集對其進行訓練，通過算法邏輯對圖像進行自動分割勾畫。本研究擬通過RT-Mind軟件，探討其對乳腺癌保乳放療患者CTV和OARs自動勾畫的精確度，為臨床應用提供參考。

1 資料與方法

1.1 臨床資料

選取本院2020年4月至7月行保乳手術的早期乳腺癌患者10例，年齡43～68歲，中位年齡51歲。定位時患者平躺在乳腺托架上，雙手上舉握桿，使乳腺靶區完全暴露，通過激光燈標志體表標記，鉛絲標記乳房邊界。掃描范圍：下頜至乳腺褶皺下5 cm。掃描條件：管電壓120 kV，管電流時間300 mAs，層厚3 mm，層間距3 mm。掃描完成后將圖像分別傳至Eclipse治療計劃系統及RT-Mind軟件。

1.2 手動、自動勾畫CTV及OARs

在Eclipse治療計劃系統中，所有靶區及危及器官均由一名有經驗的放療醫師勾畫，依據體表定位標志、CT圖像及丹麥乳腺癌協作組（DBCG）圖譜[8]勾畫全乳腺CTV及OARs，其中OARs包括雙肺、心臟及健側乳腺。在RTMind軟件中，使用自動勾畫功能模塊，選取乳腺癌CTV及上述OARs進行自動勾畫，RT-Mind軟件CTV、OARs的勾畫標準如下：CTV上界為鎖骨頭下1 cm，下界為對側乳腺明顯消失，前界為皮膚，后界為除外胸肌、胸壁肌肉、肋骨，外界為乳腺褶皺/胸外側動脈前，內界為胸肋交界處；雙肺在肺窗勾畫，炎癥、萎陷、纖維化和不張的肺都應包括在內，肺門外的小血管也包括在內，肺門、氣管及主支氣管排除在外；心臟沿心包囊進行勾畫，上界從右肺動脈退至中線層面開始，向下延伸至心尖部，不包括已出現的下腔靜脈；健側乳腺為CT圖像上明顯可見的乳腺組織。

1.3 RT-Mind軟件

RT-Mind軟件由北京醫智影科技有限公司研發設計，采用改進版的U-Net卷積神經網絡模型（RTD-Net）實現圖像自動勾畫，RTD-Net的總體框架見圖1。該模型遵循U-Net的基本框架，包含編碼器（Encoder）及解碼器（Decoder）兩部分，解碼器部分產生的特征圖可通過跨層連接方式直接連接到解編碼器部分相對應的特征圖，使得圖像分割結果更精確。RTD-Net中的卷積層被Context Aggregation Block所代替，編碼部分和解編碼部分都由五個Context Aggregation Block組成，這種改進改善了定位精度、減少了假陽性。與此同時，RTD-Net還使用了Squeeze-Extract Block來改變不同通道之間所占權重大小，使網絡實現目標特征重新校準，選擇性地抑制不太有用的特征，強調有用的特征信息，提高了網絡表達能力。

圖1 RTD-Net網絡框架

1.4 評估參數

以醫生手動勾畫的CTV及OARs輪廓結果作為金標準，采用Dice相似系數（DSC）、Jaccard系數（JAC）、體積差異（VD）、Hausdorff距離（HD）四種參數定量評估RTMind自動勾畫的準確性。

1.4.1 Dice相似系數

DSC用于評價2組勾畫輪廓在體積上的重合度，DSC取值范圍0～1，越接近1，表明2個體積重合度越好，見式(1)。

其中，A為自動勾畫結果，B為手動勾畫結果。

1.4.2 Jaccard系數

JAC用于比較2組勾畫輪廓的相似性與差異性，JAC取值范圍0～1，越接近1，表明2個體積相似度越高，見式(2)。

1.4.3 體積差異

VD指2組勾畫輪廓體積差異值占標準勾畫（手動勾畫）體積的百分比，VD值越接近0越好，見式(3)。

1.4.4 Hausdorff距離

HD用于衡量2組點集在三維空間上的表面距離，見式(4)。

1.5 統計學方法

采用SPSS 20.0統計軟件對靶區、OARs數據進行統計學分析，定量測量值以（均值±標準差）表述，并對自動勾畫CTV與CTV內收0.5 cm之間的勾畫結果差異行配對t檢驗，P＜0.05為差異有統計學意義。

2 結果

RT-Mind軟件自動勾畫乳腺CTV及OARs的參數結果分別如表1～2所示。由表1可以看出，對于臨床靶區CTV：自動勾畫CTV未經處理前，其勾畫效果不夠理想，其中DSC均值為0.77，小于0.8；經過內收后的CTV內收0.5 cm其勾畫效果明顯得到提高，與未經處理前的自動勾畫的CTV相比，除HD值無變化外，其他評價參數均有明顯改善，差異有統計學意義（P＜0.05）。由表2可以看出，對于OARs：四個OARs的HD均值均小于2.00 cm；四個OARs的DSC、JAC、VD均值比較，雙肺＞心臟＞健側乳腺，表明雙肺勾畫效果最好，心臟次之，最后是健側乳腺。圖2為可視化的乳腺癌靶區及OARs的勾畫效果，表明臨床靶區CTV勾畫相對較差，其他勾畫效果較為理想，基本上能為臨床所接受。

表1 基于RT-Mind軟件靶區自動勾畫結果

表2 基于RT-Mind軟件OARs自動勾畫結果

圖2 自動勾畫結果

3 討論

IMRT已經廣泛應用于乳腺癌治療，IMRT計劃具有劑量梯度大、靶區適形度高等優點，因此放療計劃對靶區及危及器官的精確勾畫要求更高，然而臨床靶區及危及器官的勾畫費時費力，不同醫師勾畫存在一定差異，另外隨著自適應放療技術的發展，要求臨床醫師能在短時間內精確的勾畫靶區及危及器官。面對這些挑戰，自動勾畫軟件的開發與應用可為其提供可行的解決途徑，目前自動勾畫方法主要分為兩種：基于圖集的方法和基于CNN的方法，并且國內外已在鼻咽癌[9-11]、直腸癌[12-13]、宮頸癌[14-15]的腫瘤靶區或OARs自動勾畫中取得了不錯的效果，而有關乳腺癌自動勾畫效果的相關報道較少，因此本文通過醫智影公司開發的RT-Mind軟件對乳腺癌靶區及OARs自動勾畫的準確性作相關研究，為其臨床應用提供參考。

對于乳腺癌保乳術后CTV的勾畫，其勾畫精度直接影響腫瘤局部控制率、復發率。眾多研究[4,16]發現不同單位中心、不同醫師按相同指南勾畫同一類型腫瘤，因勾畫習慣、經驗水平不同，其勾畫結果存在一定差異性，而自動勾畫軟件恰好能縮小其差異性。本研究利用RT-Mind軟件對乳腺CTV進行勾畫，結果顯示評估參數值與危及器官相比，均不理想。主要原因是RT-Mind軟件定義的CTV前界在皮膚，而按照ESTRO指南[17]、RTOG勾畫指南及本中心勾畫經驗，CTV應在皮膚下0.5 cm處，為此將自動勾畫的CTV按Body內收0.5 cm作為新CTV內收0.5cm，再與臨床醫生手動勾畫CTV比較，結果表明CTV內收0.5cm能明顯改善自動勾畫CTV效果，能夠應用于臨床實踐。值得注意的是，本研究CTV內收0.5cm的DSC均值為0.83，與陳新元等[18]研究得到的左/右乳腺癌靶區DSC均值0.87/0.88有一定的差異，主要原因是所采用的卷積神經網絡不同，但二者DSC均值結果均大于0.8，說明輪廓之間均具有較好的一致性。本研究還發現RT-Mind軟件勾畫的CTV層數與手動勾畫層數有一定差異，表明RTD-Net模型對上下界的勾畫界限具有不確定性，這也是CTV自動勾畫效果低于危及器官的原因之一。

對于乳腺癌保乳術后危及器官，其位置相對固定，這為RT-Mind軟件勾畫的準確性提供了保證，結果表明雙肺、心臟及健側乳腺均有較好的勾畫結果，其中雙肺勾畫效果最好，心臟次之，最后是健側乳腺。危及器官邊緣勾畫的準確性與邊緣對比度相關，對于RT-Mind軟件，邊緣對比度越高，越易被識別。雙肺邊界與胸壁、縱隔及膈肌三個結構相鄰，肺密度明顯低于這三個結構，邊緣對比度高，勾畫效果最佳。健側乳腺的勾畫與腺體密度相關，腺體致密性的乳腺邊界清晰，勾畫較好，而以脂肪及結締組織為主的乳腺邊界模糊，增加了自動勾畫難度。研究結果發現，雙肺的HD值分別為（1.48±0.23）cm、（1.56±0.42）cm，均高于心臟及健側乳腺，主要原因是RT-Mind軟件在勾畫雙肺時，將肺門、氣管、主支氣管排除在外，而臨床醫生在進行乳腺癌雙肺勾畫時，只將主支氣管排除在外，而肺門、氣管并未排除，增加了HD偏差。研究還發現，心臟HD偏差均出現在心尖部位，即心尖部位自動勾畫效果差，這也說明RTD-Net模型對于細節的學習能力不足，需要進一步完善。

本研究局限性：本次研究評價樣本量較少；RT-Mind軟件模型訓練時，數據集來源于一家單位中心，而每家單位中心的勾畫習慣及原則略有差異，且每家單位中心所用CT機不同且掃描參數也不一樣，會導致自動勾畫效果有所差異；RT-Mind軟件暫未考慮危及器官左前降支冠狀動脈（LAD）的自動勾畫，而對于左側乳腺癌患者，LAD作為需要保護的危及器官，需要勾畫。

綜上所述，RT-Mind軟件對于乳腺癌OARs的自動勾畫具有較好的效果，對于自動勾畫的乳腺CTV，需沿Body內收0.5 cm，再按照臨床醫生勾畫習慣及患者個體化原則進行修改調整，便能符合臨床要求。總之，RT-Mind軟件對于乳腺癌CTV及OARs的自動勾畫能夠應用于臨床實踐，為臨床醫師減少工作量，提高工作效率。