探索聯影ACS在宮頸癌中的應用價值

查福祥，彭成東，鄒乾，鐘洪濤，李震，吳思思

華中科技大學同濟醫學院附屬同濟醫院 放射科，湖北 武漢 430030

引言

宮頸癌是全球女性第四常見的癌癥，在發展中國家的發病率和死亡率排名第二[1]。宮頸癌患者死亡率高，其治療方案和預后很大程度上取決于腫瘤的侵犯范圍。因此，術前準確的分期診斷至為重要。2018年最新修訂的FIGO分期首次納入橫斷面成像技術，與病理活組織檢查結果相結合以確定宮頸癌分期[2]。MRI由于其無輻射、多參數成像、軟組織對比度高的特點，成為了宮頸癌局部分期、評價治療效果、檢測腫瘤復發和隨訪檢查的首選方法[3]?？焖僮孕夭ㄐ蛄?T1WI、T2WI有助于評估腫瘤大小、宮旁浸潤、盆腔側壁和淋巴結浸潤，彌散加權成像和動態增強有助于判斷腫瘤的良惡性[4-6]。另外，近年來有文獻報道MRI有助于早期宮頸癌的亞型分型診斷[7]。

相較于其他影像學檢查，MRI檢查掃描時間長，易造成運動偽影，從而降低圖像質量及患者舒適度。在臨床MRI應用中使用壓縮感知（Compressed Sensing，CS）、并行采集成像（Parallel Imaging，PI）和半傅立葉采集（Half Fourier，HF）等技術來縮短掃描時間。但是，這些傳統的技術在使用高加速因子時，圖像質量會下降。為了取得成像速度與圖像質量的雙贏，聯影公司開發出一種新型的MR加速解決方案——AI輔助下的壓縮感知（AI-assisted Compressed Sensing，ACS），在不犧牲圖像質量的前提下大幅度縮短掃描時間，能夠更好地提高效率，降低運動偽影的可能影響。這一創新性的技術目前還未廣泛應用于臨床，至今為止亦無相關文獻報道。本文通過對比宮頸癌在3.0 T聯影U790 MRI檢查常規T2WI和ACS T2WI的圖像質量和掃描時間，探討ACS技術在宮頸癌中的應用價值。

1 材料與方法

1.1 臨床資料

前瞻性研究華中科技大學同濟醫學院附屬同濟醫院光谷院區2021年1至6月臨床確診并有完整術前進行的MRI資料的宮頸病變患者。納入標準如下：① 所有患者最終病理確診；② 所有患者的MRI檢查均在術前、藥物治療、放射治療前進行；③ 所有患者均進行常規T2WI與ACS T2WI掃描檢查，且掃描參數一致。排除標準：① 最終病理確診為除本研究宮頸癌以外的其他類型病變；② MRI檢查前進行過手術或藥物治療；③ 缺乏完整的DWI圖像或圖像質量差，無法測量；④ DWI掃描參數不一致。最終，共30例患者納入本研究（女性，年齡28～69歲，平均年齡49.2歲）。

1.2 檢查方法

MRI檢查在3.0 T磁共振（uMR 790，上海聯影醫療科技股份有限公司，中國，上海）上完成，使用12通道體部相控陣線圈?；颊邫z查前充盈膀胱，若患者佩戴節育器則取出后再實施檢查?；颊唧w位仰臥位，腳先進。常規軸位FSE T2WI序列參數如下：層厚5 mm，層間距 1 mm，NEX=1，帶寬 =±350 kHz，TR 3200 ms，TE 83 ms，視野380 mm×260 mm，采集矩陣336×90。ACS軸位FSE T2WI序列參數如下：層厚5 mm，層間距1 mm，NEX=1，帶寬 =±350 kHz，TR 3200 ms，TE 83 ms，視野380 mm×260 mm，采集矩陣304×95。

1.3 圖像分析

1.3.1 客觀評價

所有圖像均傳輸入聯影uWS-MR R005工作站上進行處理分析。由兩位具有10年工作經驗的放射科醫師采用盲法分別對常規T2WI和ACS T2WI圖像中病灶信號強度、背景的信號強度、病灶層面的腰大肌信號強度進行測量，并計算信噪比（Signal to Noise Ratio，SNR）與對比信噪比（Contrast to Noise Ratio，CNR）。同時對掃描時間進行記錄。選取ROI時盡量選取信號均勻、無偽影、無形變的區域，并避開周圍正常組織、膀胱、出血、液化或壞死組織。SNR與CNR計算公式如公式(1)～(2)所示。

1.3.2 主觀評價

由兩位具有10年工作經驗的磁共振放射技師采用雙盲法、利用四分法對兩組DWI進行圖像質量評分，內容包括清晰度、形變、偽影、病灶顯示。評分標準如下：① 清晰度：1分=差，2分=不好，3分=尚可，4分=好；② 形變：1分=嚴重，2分=中度，3分=稍許，4分=無；③ 偽影：1分=嚴重，不能診斷，2分=嚴重，影響局部診斷，3分=稍許，不影響診斷，4分=無偽影；④ 病灶顯示：1分=病變不能識別，2分=病變顯示一般，大部分輪廓顯示不清，3分=病變顯示良好，小部分輪廓顯示不清，4分=病變顯示好，輪廓清楚。

1.4 統計學分析

采用SPSS 23.0軟件進行數據分析。對不同醫師的圖像質量客觀評分（包括CNR與SNR）與主觀評分（包括清晰度、形變、偽影、病灶顯示）采用Kappa檢驗評估一致性。Kappa值：0～0.20認為兩者不一致；0.21～0.40認為一致性差；0.41～0.60認為一致性中等；0.61～0.80認為一致性良好；0.81～1.00認為一致性極好。常規T2WI和ACS T2WI兩組間圖像質量主觀評分（包括清晰度、形變、偽影、病灶顯示）采用Wilcoxon’s秩和檢驗進行差異性統計分析。兩組間圖像質量客觀評分（SNR、CNR）采用配對t檢驗進行差異性統計分析。

2 結果

2.1 兩位醫師對測量結果和圖像質量評分一致性分析

兩位技師對測量結果和圖像質量評分一致性良好或極好（表1）。

表1 圖像質量評分一致性結果

2.2 兩組T2WI圖像評分

2.2.1 主觀評分

常規T2WI與ACS T2WI的圖像質量主觀評分均無統計學差異（P均>0.05）。ACS T2WI的偽影評分高于常規T2WI （P=0.009），見表2和圖1。

圖1 兩組T2WI的主觀評分

表2 兩組T2WI圖像主觀評分/[分（n，%）]

2.2.2 客觀評分

常規T2WI與ACS T2WI的SNR、CNR比較，差異均無統計學意義（P>0.05），見表3。

表3 兩組T2WI客觀評分[（±s），分]

表3 兩組T2WI客觀評分[（±s），分]

項目 常規T2WI ACS T2WI t值 P值SNR 9.21±2.41 8.15±2.45 -1.693 0.096 CNR 0.33±0.12 0.27±0.13 -1.725 0.090

2.3 病例圖像

如圖2所示，通過對比4例宮頸癌患者的常規T2WI圖像與ACS T2WI圖像發現，兩者的圖像質量沒有明顯差異。但是ACS組掃描時間41 s，遠小于使用并行采集技術的常規T2WI 116 s。

圖2 4 例宮頸癌患者的常規T2WI圖像與ACS T2WI圖像比較

3 討論

磁共振成像因無輻射、多參數成像、軟組織分辨率高的特點，成為宮頸癌的首選影像學檢查。但由于其檢查時間長，患者不配合或者不耐受易造成運動偽影，從而影響診斷圖像質量。在臨床掃描中，有兩類方法可以減少磁共振成像時間：縮短掃描時間和二次采樣。前者會降低圖像的分辨率和信噪比[8]。二次采樣的加速方式有并行采集、半傅里葉采集和壓縮感知。這些技術在使用低加速因子時對圖像質量不會有太大影響，但是在使用高加速因子時圖像重建會產生各種偽影。并行采集在使用高加速因子時，圖像質量會因噪聲放大和或采樣不足而降低[9-10]。單獨使用半傅里葉可以實現的最大加速因子不超過2，所以半傅里葉通常與其他方法結合使用[11-12]。壓縮感知是在合適的變換域中開發稀疏性，從而從欠采樣K空間中恢復圖像信息。然而，在使用高加速因子時，不充分的稀疏會導致噪聲樣的混疊偽影[13-14]。近年來，卷積神經網絡（Convolutional Neural Network，CNN）作為一種廣泛應用于人工智能領域的體系結構，已經能夠超越傳統的圖像處理方法（如圖像分類、超分辨率、降噪等），具有出色的MR加速能力[15-17]。然而，CNN也有其局限性：神經網絡具有數百個參數和大量的非線性函數，由于其太復雜，導致無法通過簡單的數學函數定量分析，從而無法避免一些可能的錯誤來確保其可靠性。

為了彌補上述加速技術的不足，一種完整的MR加速解決方案——ACS技術被提出。ACS創新性地引入了基于深度學習神經網絡的AI模塊，該神經網絡以不同加速因子下取得的欠采樣數據作為輸入，以相應的全采樣數據作為金標準進行訓練。在學習階段，調整數百個參數，使網絡生成全采樣等量無偽影的高質量圖像。然后將壓縮的AI模塊集成到壓縮感知框架的迭代重建程序中，得到最終圖像。ACS沿用了壓縮感知的原理，加用了AI模塊的學習能力[18]。這種有效的結合充分發揮了深度學習的優勢，同時也能使AI模塊可控。AI模塊的輸出添加到迭代重建框架，而這個迭代框架作為一個擴展項受到兩方面限制：① 來自PI、HF、CS的數學模型約束；② 來自原始欠采樣K空間的數據一致性限制。因為AI模塊結合了HF、PI、CS技術來降低噪聲、減少偽影、進行信息重建，所以ACS技術可以有效地糾正這些技術單獨使用帶來的缺陷，從而實現高加速水平的MRI成像。因此，ACS可以在更短的時間內為臨床診斷提供可靠圖像。

本研究通過對比常規T2WI和ACS T2WI圖像質量發現，兩組圖像在SNR、CNR、清晰度、形變、病灶顯示方面無顯著差異，但是ACS在抑制重建偽影方面顯著優于常規T2WI。常規T2WI加速方式是并行采集，其產生偽影的原因主要來自兩個方面：殘余混疊和噪聲增多[11]。產生這兩種偽影的原因都是因為加速因子過高，太多的像素彼此之間需要展開，而線圈范圍通道有限無法承載太多信號，表現為感興趣區內部或外部的重影，而噪聲則表現為圖像解剖結構不均勻的顆粒感。ACS中的AI模塊能在高加速水平下，減輕傳統方法重建偽影，其原理如圖3所示。掃描獲取到的欠采樣圖像，作為真實數據輸被送入網絡重建。網絡內部重要的數據一致性檢查模型保留了輸入數據的先驗知識，而特征檢測和圖像優化過程中的參數將在訓練階段進行優化，直到網絡的預測達到最佳狀態為止。由于ACS中Al模塊的目標是學習沒有重建偽影的全采樣高質量圖像的特性，因此將獲取的全K空間數據轉換為圖像域并作為目標輸出。因此，ACS圖像相較于常規T2WI偽影抑制方面表現更優。

圖3 ACS 中的AI 模塊能在高加速水平下減輕重建偽影的原理

本研究的不足之處在于收集病例數量太小，會造成測量值的選擇偏倚。另外，宮頸癌盆腔平掃的序列還有其他數個，同樣可以使用ACS技術，但未納入研究范圍。在下一步的相關研究中，我們將擴大病例樣本，納入其他序列一同分析。

4 結論

綜上所述，常規T2WI圖像質量與ACS無顯著性差異，且ACS技術大幅度縮短了掃描時間，減少了運動偽影，更有利于因檢查時間長而不耐受的宮頸癌患者，并提高患者檢查效率。磁共振因多參數成像、軟組織分辨率高的特點，成為宮頸癌患者術前診斷、術后隨訪復查最重要的影像學檢查方法，但是MRI最大的局限就是成像速度慢。聯影采用的新技術為uCS2.0光梭引擎，可以實現高速重建。聯影的光梭有迭代校正功能，它是以壓縮感知為基礎，并行采集與半傅立葉迭代，不停重建校正反饋，光梭ACS的圖像真實度有保障。聯影的ACS技術不僅僅適用于盆腔MRI檢查，更可用于頭部、脊柱、胸部、腹部、四肢骨關節等全身其他器官檢查，實現百秒成像。在今后的研究中，我們將對聯影ACS技術的全身百秒成像進行探究。