AccuContour軟件在自動勾畫口腔頜面頭頸腫瘤患者口腔結構的應用

上海交通大學醫學院附屬第九人民醫院 口腔頜面-頭頸腫瘤科，上海 200011

引言

口腔頜面頭頸部惡性腫瘤是全球十大惡性腫瘤之一，占全身惡性腫瘤約7%，每年新發病例近30萬例，死亡病例12.8萬例。口腔頜面部腫瘤的發病率逐年遞增，主要是受到人乳頭狀瘤病毒感染、檳榔咀嚼等影響[1-2]。放射治療是口腔頜面頭頸部惡性腫瘤綜合序列治療中的重要一環。隨著放療技術的不斷進步，圖像引導調強放療（Intensity Modulated Radiotherapy，IMRT）技術和容積旋轉調強技術等放療技術的廣泛應用。在腫瘤放射治療流程中，危及器官（Organ at Risk，OAR）的精確勾畫是實施的關鍵一環[3]，特別對于頭頸部腫瘤來說，由于靶區與OAR空間位置距離很近，給OAR的保護造成一定困難，故精確勾畫危機器官成為關鍵一環。常規的OAR勾畫由醫生在患者的定位CT上進行逐層勾畫，工作量大，且勾畫結果受到醫師主觀的影響，給放療實施帶來不確定性。近年來隨著自動勾畫工具的出現[4-5]，在一定程度上解決了上述問題，但勾畫精度和臨床應用價值仍值得探討。

現有的自動勾畫技術主要包括基于圖譜庫[6-8]和深度學習[9-11]的自動勾畫技術。上述兩種原理的自動勾畫技術各有優劣勢，學者們均有研究。IMRT可以在提高腫瘤局控率的同時降低正常組織的受量，減少并發癥的發生，故在頭頸部腫瘤放療中已經成為常規應用。放射性口腔黏膜炎是口腔頜面-頭頸部惡性腫瘤放療患者的嚴重并發癥之一[12]，口腔表現為口腔黏膜充血、紅斑、糜爛、潰瘍及纖維化等，患者會出現疼痛、進食困難、口干和味覺障礙等。故口腔作為OAR在頭頸部腫瘤放療中的保護尤為重要，其受照劑量直接關系到預后和患者的生存質量。基于此，本研究主要目的是測試和評估AccuContour軟件在口腔頜面頭頸部惡性腫瘤患者口腔結構的勾畫應用價值，主要選取30例口腔頜面頭頸腫瘤放療患者的定位CT圖像，分別按照手工和自動兩種勾畫方式分別勾畫口腔結構，使用戴斯系數（Dice Similarity Coefficient，DSC）、體積差異比、質心距離和Hausdorff距離4類指標評估該軟件的勾畫準確性，探討該軟件的應用價值，以期對正常組織的勾畫和保護有進一步的研究。

1 材料與方法

1.1 病例選擇

選取我院在2020年5月至9月收治的30例口腔頜面頭頸部腫瘤放療患者為研究對象。納入標準：口腔頜面頭頸部腫瘤術后患者；腫瘤侵犯單側；為單側頰癌或單側腮腺癌。排除標準：未手術患者。其中男性22例，女性8例；平均年齡為（56.33±15.83）歲。將患者進行編號，分別為A1～A30。上述患者均使用GE Discovery RT CT模擬定位機進行定位CT掃描，患者均為仰臥位，使用碳纖維固定底板+頭頸肩面罩實現患者的體位固定。掃描參數為：層厚2.5 mm，管電壓120 kV，掃描結束后將圖像傳輸至MIM圖像處理軟件。

1.2 口腔結構勾畫

上述患者的定位CT分別進行手工勾畫和自動勾畫，勾畫結構為口腔。為保證手工勾畫的一致性，由同一名高年資的臨床醫師在MIM軟件上進行勾畫，勾畫標準按照RTOG的頭頸部危機器官勾畫共識[13]進行勾畫。

自動勾畫是將上述30例患者的放療定位CT圖像經MIM軟件傳輸至AccuContour自動軟件，應用該軟件對每例CT圖像建立結構合集，選擇僅勾畫口腔，其余正常組織均不勾畫，自動勾畫完成后將勾畫好的結構文件經局域網傳輸至MIM軟件。AccuContour自動勾畫軟件是由Manteia公司開發的一款基于深度學習的自動勾畫軟件，該軟件實現自動勾畫的原理主要是通過建立圖像分割模型，并以多種網絡結構模型、多種loss結構融合進行訓練，從而學習大量數據，最終實現圖像的自動分割與自動勾畫[14]。本研究所使用AccuContour軟件勾畫模型是固化一致性模型，在數據收集過程中，遵循多中心、多地域、多病種的原則，盡量增加訓練數據的差異性，綜合提升深度學習模型的精度。

1.3 評價指標

本研究選擇自動勾畫和手動勾畫兩種勾畫的體積差異、質心距離差異以及形狀一致性來評估自動勾畫與手動勾畫的吻合度，研究中以手動勾畫為參考。

（1）DSC。DSC定義為兩個結構的一致性，表示重疊區域的所占比例，見式(1)，取值范圍為0～1，其值越大表示兩個結構的相似性越高，一般來說DSC＞0.7代表兩個結構重合度較好[15]。式中，V自動為手動勾畫的體積；V手動為自動勾畫的體積。

（2）體積差異百分比。體積差異百分比定義為，兩種勾畫體積的差值與手動勾畫體積的百分比，見式(2)。

（3）質心距離差異。兩種勾畫的質心距離差異定義為兩種勾畫的質心坐標之差，見式(3)～(5)。

（4）Hausdorff距離。Hausdorff 距離如式(6)～(7)所示，其中h(V自動，V手動)表示兩個體積內的點的距離最大值，a和b是兩個體積內的點。Hausdorff距離越小，表明自動勾畫與手工勾畫越接近，勾畫結果越好。

1.4 統計學方法

采用SPSS 21.0軟件進行統計學分析，使用Shapiro-Wilk方法檢驗數據是否滿足正態分布，正態分布數據用±s表示，使用Pearson相關分析，P＜0.05為具有統計學意義。

2 結果

圖1～3分別顯示了口腔結構自動勾畫和手工勾畫的DSC與Hausdorff距離、矩心距離差異和體積差異百分比。圖1的折線圖顯示兩種勾畫方式的DSC為0.76±0.10，最大DSC（勾畫最為相似）為0.87，最小DSC為0.57；這表明總體上口腔結構自動勾畫和手工勾畫的相似性較高，除個別患者（A3、A7、A11、A20和A30）的口腔結構勾畫差異性較大，DSC低于0.7；圖1的柱狀圖為Hausdorff距離的統計值（1.96±0.56）cm，其中Hausdorff距離差距較大（＞2 cm）的正是上述DSC較低的病例資料。

圖1 口腔結構自動勾畫和手工勾畫的DSC和Hausdorff距離

圖2顯示的是兩種勾畫方式矩心距離的差異性，其實質是兩種勾畫方式各方向上的勾畫差異性，從折線圖上看出在x（左右）方向差異性很小，而y（上下）方向和z（前后）方向上差異性相對較大。矩心x方向的差異性為（-0.02±0.09）cm，矩心y方向的差異性為（-0.28±0.26）cm，矩心z方向的差異性為（-0.31±0.55）cm。

圖2 口腔結構自動勾畫和手工勾畫的矩心距離差異

表1表示的是30例口腔頜面頭頸腫瘤患者口腔結構勾畫統計的6類參數（DSC、矩心x值、矩心y值、矩心z值、體積差異和Hausdorff距離），包括各類參數的最大值、最小值、平均值和標準差。將30例患者的DSC和體積差異行Pearson相關分析檢驗，結果顯示相關系數為-0.735，兩者差異具有統計學意義（P＜0.001）。將30例患者兩種勾畫的DSC和體積差異制成散點圖（圖3），并對散點進行擬合，擬合公式為y=-1.6529x+1.444，R2=0.5403。散點圖顯示DSC和體積成線性關系。

圖3 DSC和體積差異百分比的散點圖

表1 30例口腔頜面頭頸腫瘤患者口腔結構的勾畫統計

3 討論

口腔是上消化道的起始，毗鄰上呼吸道、顱底等重要解剖結構，是行使呼吸、咀嚼、吞咽及輔助言語等生理功能的重要器官[16]。對于口腔頜面頭頸惡性腫瘤放療患者來說，口腔結構緊鄰靶區，是重要的OAR，需要精確勾畫并進行劑量評估。現有的放療圖像處理軟件和計劃系統大多提供基于CT值的自動勾畫功能，該功能是基于勾畫結構的CT值與周邊組織差異較大的基礎之上的，如肺組織和脊髓等。口腔結構CT值介于骨性組織和軟組織之間，差異性較大，現有治療計劃系統上尚未實現口腔結構的自動勾畫。口腔結構作為并行器官，過高劑量會導致嚴重的放療副反應，如口腔黏膜炎等的發生。現有研究表明一般黏膜劑量接受10～20 Gy的劑量照射時口腔黏膜會出現過度角化[17]；當劑量超過30 Gy時，口腔黏膜炎可能進入更為嚴重的階段，表現為潰瘍的形成，口腔成為細菌繁殖的環境[18]，故口腔結構在放療中的保護成為重要研究方向，其中精確勾畫是基礎，從而更好地進行劑量和計劃評估。本研究結果顯示，AccuContour軟件的自動勾畫口腔結構與手工勾畫的DSC為0.76±0.1；這表明在大多數測試病例中自動勾畫和手動勾畫一致性較好；但部分測試病例出現了DSC比較低的情況，如A3、A7、A11、A20和A30病例，DSC均小于0.7，通過詳細查看勾畫，發現上述病例是因為存在金屬植入物導致金屬偽影的產生，導致勾畫相差較大；該結果也與AccuContour軟件自動勾畫原理有關，基于深度學習的勾畫是采用一定的數據集進行，在模型移植上會有部分病例難以達到原測試集的精度[19]。體積差異百分比的數據同樣證實了上述結論，兩者勾畫的平均體積差異為18.72%，上述病例的體積差異均遠大于平均體積差異。對于Hausdorff距離指標，測試病例勾畫平均距離為（1.96±0.56）cm；兩種勾畫的矩心距離差異數據表明，相比x方向上，y方向和z方向的勾畫差異更大，分別達到了（-0.28±0.26）cm和（-0.31±0.55）cm。這表明在口腔結構自動勾畫中，勾畫誤差主要來源于上下方向和前后方向；這可能與口腔的解剖結構的特殊性有一定關系，口腔前界由上下唇組成的口裂構成、后界借軟腭、咽前柱、舌輪廓乳頭與口咽分開；上屆為硬腭，下屆為口底，兩外側壁由頰部構成并與齒齦相延續[18]。在口腔結構的左右方向邊界較為清晰，而上下和前后方向毗鄰結構較多，CT值比較接近，導致自動勾畫的差異性較大。這提示在使用自動勾畫時，應針對每個OAR的解剖位置不同，重點關注不同方向的勾畫差異，特別是與周圍臨近組織CT值差異較小的組織器官。而根據文獻報道，OAR與周圍組織器官CT值差異較大時，如下頜骨等骨性組織，其自動勾畫效果較好。測試病例的DSC和體積差異相關分析結果顯示，兩指標存在相關關系，具有統計學意義，且具有線性關系，一般來說DSC較高的病例其體積差異越小。

綜上所述，AccuContour軟件的自動勾畫工具對口腔頜面頭頸腫瘤放療患者的口腔結構的勾畫能達到較滿意的結果，但本版本的工具對于部分受金屬偽影影響的CT圖像，其勾畫效果不佳，仍需手工修改。當然本研究尚存在不足之處，如納入測試的病例數較少，期望通過優化改進，提高自動勾畫能力，更好的輔助臨床工作。