2019, Vol. 39
三维调强放疗中，鼻咽癌计划是最复杂的计划之一，其中危及器官(OAR)的勾画是计划制定过程中非常重要的一个步骤[1-2]，也是耗费临床医生大量时间、精力的一项工作。通常情况下，一位有经验的医生勾画一例鼻咽癌靶区和OAR需要几个小时。此外，由于医生的业务水平不同、CT或者磁共振(MR)图像质量差异可导致不同医生的勾画结果有一定偏差，甚至同一个人在不同时刻的勾画结果也会有差异。自动勾画作为一种勾画结构的辅助工具可以有效解决上述两个问题，即勾画效率及勾画一致性问题[3-5]。快速、准确的自动勾画工具也是自适应放疗的重要组成部分[6-7]，目前常用的自动勾画软件分为基于图谱库和基于卷积神经网络的两类[5, 8-9]。本研究主要分析比较Smart Segmentation与MIM Atlas两种基于图谱库的自动勾画软件在鼻咽癌OAR勾画的准确性。
资料与方法1.自动勾画工具：Smart Segmentation是美国瓦里安公司的治疗计划系统Eclipse(V11.0)内置的自动勾画工具，可自动勾画靶区和OAR。本研究主要使用其勾画OAR的功能。该工具自动勾画的基本流程是，先建立一个包含CT图像和OAR的病例库，自动勾画时再从库中选择与新病例最匹配的单个病例进行融合及OAR映射。其流程图见图 1。
|
图 1 Smart Segmentation自动勾画流程图 Figure 1 Automatic contour of flow chart of Smart Segmentation |
MIM Atlas是美国MIM公司推出的自动勾画工具，是一种基于图谱库和形变融合的自动勾画工具，可以勾画靶区和OAR。本研究主要使用其自动勾画OAR的功能，目前最新版本为6.9.2。其自动勾画的基本流程与Smart Segmentation类似，即在数据库中寻找与新病例轮廓最匹配的病例，将该病例与新病例融合，再映射OAR到新病例上。与Smart Segmentation不同的是，MIM Atlas能自动搜索最优配准病例并采用形变融合。Atlas运行参数中最佳匹配数目选择5个，叠加方式为STAPLE。其流程图见图 2。
|
图 2 MIM Atlas自动勾画流程图 Figure 2 Automatic contouring flow chart of MIM Atlas |
2.病例数据：回顾性选取2015—2016年浙江大学医学院附属第一医院收治的鼻咽癌患者55例，患者取仰卧位、头颈部热塑膜固定，采用德国西门子公司Sensation Open大孔径CT扫描，CT图像层厚3 mm。为确保人工勾画的一致性，由同一位高年资临床医生在治疗计划系统Eclips(V11.0)上统一勾画OAR，勾画的OAR为脊髓、脑干、视交叉、视神经、眼球、眼晶状体、腮腺。
3.实验方式：在55例鼻咽癌患者中以简单随机抽样方式选取30例病例，分别导入Smart Segmentation和MIM Atlas创建各自的病例库，剩余25例作为测试病例。对测试病例分别使用Smart Segmentation和MIM Atlas自动勾画OAR。计算两种自动勾画方式所获结果与手动勾画的戴斯相似性系数(Dice similarity coefficient, DSC)、豪斯道夫距离(Hausdorff distance, HD)、绝对体积差(△V)，从形态相似性、几何偏差、体积差异3个方面来量化评估两种自动勾画方法。
4.评估指标：以手动勾画作为金标准，分别计算两种自动勾画结果的DSC、HD、ΔV。
DSC用来表示重叠区域所占比例，该值的范围是0~1，越接近1则说明两个结构越相似，其定义公式为：
| $ {\rm{DSC}} = \frac{{2(V{X_{{\rm{AC}}}} \cap V{X_{{\rm{MC}}}})}}{{V{X_{{\rm{AC}}}} + V{X_{{\rm{MC}}}}}} $ | (1) |
式中, VXAC为自动勾画OAR的体素(Voxel)集合，VXMC为人工勾画OAR的体素集合。
HD表示两个结构外轮廓的最大距离，其值越小说明两个结构的几何差异越小，其定义公式为：
| $ {\rm{HD}}(A, B) = {\rm{max}}\left[ {h(A, B), h(B, A)} \right] $ | (2) |
| $ h(A, B) = \mathop {\max }\limits_{a \in A} \mathop {\min }\limits_{b \in B} \left\| {a - b} \right\| $ | (3) |
式中，
绝对体积差ΔV的定义公式为：
| $ \Delta V = |{V_{AC}} - {V_{MC}}| $ | (4) |
式中，VAC为自动勾画OAR的体积，VMC为人工勾画OAR的体积。
5.统计学处理：采用SPSS 20.0软件进行分析。两组结果经正态检验符合正态分布，采用配对t检验，P＜0.05为差异有统计学意义。
结果1.勾画效果：同一病例CT图像手动勾画及使用Smart Segmentation、MIM Atlas软件自动勾画的OAR见图 3，两种自动勾画方法均能得到比较理想的结果，勾画结果已接近手动勾画，但是多数OAR仍然需要经过手动修改才能应用于临床。
|
注：图示为69岁女性鼻咽癌患者，绿色为手动勾画，红色为MIM Atlas勾画，黄色为Smart Segmentation勾画 图 3 OAR自动勾画示例A.脑干、视交叉、视神经、眼球、眼晶状体的勾画差异；B.脊髓、腮腺的勾画差异 Figure 3 An example of automatic contouring OAR A. The differences of contouring brain stem, chiasm, lens, optic nerves, orbits; B. The differences of contouring spinal cord and parotids |
2.两种软件自动勾画结果的形态相似性比较：表 1是以手动勾画为金标准分别计算两种软件勾画的各OAR的DSC数据。由表 1可知，MIM Atlas勾画的OAR中有8个器官(脑干、左右视神经、左右眼球、左右腮腺、脊髓)的DSC均值>0.7，3个器官(视交叉、左右眼晶状体)的DSC均值＜0.7。Smart Segmentation勾画的OAR中有6个器官(脑干、左右眼球、左右腮腺、脊髓)的DSC均值>0.7，3个器官(视交叉、左右眼晶状体、左右视神经)的DSC均值＜0.7。从DSC均值和标准误分析各个器官，所有MIM Atlas勾画结果的DSC均值都高于Smart Segmentation勾画结果，多数MIM Atlas勾画结果的DSC标准误都低于Smart Segmentation。对各个器官的两组比较结果差异均有统计学意义(t=3.96~10.62，P＜0.05)。
|
表 1 25例鼻咽癌患者两种软件自动勾画危及器官的形态DSC (x±s) Table 1 The DSC of two softwares automatic contourings of 25 NPC patients (x±s) |
3.两种软件自动勾画结果的几何偏差：由表 2可知，MIM Atlas勾画OAR的HD均值都小于Smart Segmentation的勾画结果。MIM Atlas勾画中有10个器官(脑干、左右眼晶状体、左右视神经、左右眼球、左右腮腺、脊髓)的HD标准误小于Smart Segmentation的勾画结果，1个器官(视交叉)的HD标准误大于Smart Segmentation的勾画结果。右侧腮腺的两组结果之间的差异无统计学意义(P>0.05)，其余10个器官(脑干、视交叉、左右眼晶状体、左右视神经、左右眼球、左侧腮腺、脊髓)的两组结果比较差异有统计学意义(t=-3.36~-5.56，P＜0.05)。
|
|
表 2 25例鼻咽癌患者两种软件自动勾画危及器官的几何偏差HD(mm, x±s) Table 2 The HD of two softwares automatic contourings of 25 NPC patients (mm, x±s) |
4.两种软件自动勾画结果的体积差异：表 3是以手动勾画为基准分别计算两种软件勾画OAR的绝对体积差数据。由表 3可知，MIM Atlas勾画所有OAR的△V均值都小于Smart Segmentation的勾画结果，其中有6个器官(脑干、视交叉、左眼晶状体、左右视神经、右眼球)的两组结果有统计学意义(P＜0.05)，其余5个器官(右眼晶状体、左眼球、左右侧腮腺、脊髓)的两组结果无统计学意义(P>0.05)。
|
|
表 3 25例鼻咽癌患者两种软件自动勾画危及器官的体积差异△V (cm3, x±s) Table 3 The △V of two softwares automatic contourings of 25 NPC patients (cm3, x±s) |
讨论
通常认为两个结构的DSC>0.7就说明相似度较高[12]，两种自动勾画软件对于体积较大、边缘相对清晰的器官都有较好的勾画结果，比如脊髓、脑干、腮腺、眼球，DSC均值达到0.8以上；而对于体积较小的器官，两种自动勾画软件的勾画结果均不理想，尤其是眼晶状体，其勾画的准确性比较低，这一结果与一些文献的研究结果相似[6, 10-11]。相比于Smart Segmentation，MIM Atlas勾画的器官DSC更大，并且多数器官的DSC标准误更小，可以认为MIM Atlas的勾画结果更准确、稳定。MIM Atlas勾画的多数器官的△V均值和HD均值都小于Smart Segmentation的勾画结果，由于△V均值、HD均值越小表示与手动勾画的差异越小，所以MIM Atlas的勾画结果要优于Smart Segmentation。从DSC、HD、△V 3个方面量化评估自动勾画软件优劣时，本研究所用版本的MIM Atlas优于Smart Segmentation。但在实际临床使用时，Smart Segmentation勾画出的器官边缘相对平滑、内部孔洞问题较少；但MIM软件提供的workflow工具可以编写包括MIM Atlas、平滑、亚阈值分割、形态缩放等操作的自动化流程，解决了边缘锯齿、内部孔洞、体外勾画等问题。目前在临床上已使用MIM workflow勾画了300例鼻咽癌病例的OAR，稍加修改即可应用于临床。
本研究中MIM Atlas勾画结果的DSC均值与基于深度反卷积神经网络自动勾画的结果[9]近似，但是HD均值较大，且自动分割耗时更长，MIM Atlas需要约3 min左右完成1次自动勾画，而后者只需要20多秒，有一定差距。本研究中使用的Eclips版本为11.0，最新版本为15.5，版本的更迭可能会对Smart Segmentation的算法和勾画结果产生影响，因此，本研究的分析结果仅限当前所用软件的版本。
利益冲突 无作者贡献声明 葛迦负责实验和论文撰写；宁丽华负责数据统计；严森祥、陆中杰参与研究设计与指导
| [1] |
Mackie TR, Kapatoes J, Ruchala K, et al. Image guidance for precise conformal radiotherapy[J]. Int J Radiat Oncol Biol Phys, 2003, 56(1): 89-105. DOI:10.1016/s0360-3016(03)00090-7 |
| [2] |
潘建基, 洪金省, 张瑜. 鼻咽癌常规外照射致后组颅神经损伤的危险因素研究[J]. 中华放射医学与防护杂志, 2006, 26(5): 490-493. Pan JJ, Hong JS, Zhang Y. Risk factors of conventional irradiation-induced lower cranial neuropathy in patients with nasopharyngeal carcinoma[J]. Chin J Radiol Med Prot, 2006, 26(5): 490-493. DOI:10.0760/cma.j.issn.0254-5098.2006.05.020 |
| [3] |
Sharp G, Fritscher KD, Pekar V, et al. Vision 20/20:perspectives on automated image segmentation for radiotherapy[J]. Med Phys, 2014, 41(5): 050902. DOI:10.1118/1.4871620 |
| [4] |
Heimann T, van Ginneken B, Styner MA, et al. Comparison and evaluation of methods for liver segmentation from CT datasets[J]. IEEE Trans Med Imaging, 2009, 28(8): 1251-1265. DOI:10.1109/TMI.2009.2013851 |
| [5] |
蒋晓芹, 段宝风, 艾平, 等. 基于图谱库的自动轮廓勾画软件(ABAS)在鼻咽癌调强放疗中的应用[J]. 中国医学物理学杂志, 2013, 30(2): 3997-4000, 4035. Jiang XQ, Duan BF, Ai P, et al. Clinical evaluation of atlas-based autosegementation (ABAS) in NPC intensity-modulated radiotherapy[J]. Chin J Med Phys, 2013, 30(2): 3997-4000, 4035. DOI:10.3969/j.issn.1005-202X.2013.02.008 |
| [6] |
Yan D, Lockman D, Brabbins D, et al. An off-line strategy for constructing a patient-specific planning target volume in adaptive treatment process for prostate cancer[J]. Int J Radiat Oncol Biol Phys, 2000, 48(1): 289-302. DOI:10.1016/s0360-3016(00)00608-8 |
| [7] |
Tsuji SY, Hwang A, Weinberg V, et al. Dosimetric evaluation of automatic segmentation for adaptive IMRT for head-and-neck cancer[J]. Int J Radiat Oncol Biol Phys, 2010, 77(3): 707-714. DOI:10.1016/j.ijrobp.2009.06.012 |
| [8] |
余元祥, 林柏翰, 陈创珍, 等. 基于ABAS软件胸部放疗危及器官自动勾画图像集的建立与应用[J]. 广东医学, 2018, 39(11): 1698-1700. Yu YX, Lin BH, Chen CZ, et al. Establishment and application of image set based on ABAS software for auto-contouring OAR of chest radiotherapy[J]. GD Med J, 2018, 39(11): 1698-1700. DOI:10.13820/j.cnki.gdyx.2018.11.010 |
| [9] |
门阔, 戴建荣. 利用深度反卷积神经网络自动勾画放疗危及器官[J]. 中国医学物理学杂志, 2018, 35(3): 256-259. Men K, Dai JR. Automatic segmentation of organs at risk in radiotherapy using deep deconvolutional neural network[J]. Chin J Med Phys, 2018, 35(3): 256-259. DOI:10.3969/j.issn.1005-202X.2018.03.002 |
| [10] |
游鸿强, 戴艺涛, 柏朋刚, 等. 自动勾画软件ABAS在鼻咽癌自适应放疗中的应用[J]. 现代肿瘤医学, 2017, 25(20): 3334-3336. You HQ, Dai YT, Bai PG, et al. The application of atlas-based autosegmentation(ABAS) software for adaptive radiation therapy in nasopharyngeal carcinoma[J]. Modern Oncol, 2017, 25(20): 3334-3336. DOI:10.3969/j.issn.1672-4992.2017.20.034 |
| [11] |
单书灿, 邱杰, 全红, 等. 基于Raystation数据库自动勾画功能在鼻咽癌放疗中应用研究[J]. 中华放射肿瘤学杂志, 2015, 24(5): 538-539. Shan SC, Qiu J, Quan H, et al. Application of Raystation-database automatic delineation function in radiotherapy of nasopharyngeal carcinoma[J]. Chin J Radiat Oncol, 2015, 24(5): 538-539. DOI:10.3760/cma.j.issn.1004-4221.2015.05.016 |
| [12] |
Harari PM, Song S, Tomé WA. Emphasizing conformal avoidance versus target definition for IMRT planning in head-and-neck cancer[J]. Int J Radiat Oncol Biol Phys, 2010, 77(3): 950-958. DOI:10.1016/j.ijrobp.2009.09.062 |