曹世鹏，王大奖，王骁踊，陈天禄，沈九零，刘 晖，4*

(1.西藏大学理学院，3.宇宙线教育部重点实验室，西藏 拉萨 850000；2.武汉大学中南医院肿瘤放化疗科，湖北 武汉 430071；4.武汉大学物理科学与技术学院，湖北 武汉 430072)

现代加速器的发展和强度调控放射治疗的运用使放射治疗(简称放疗)中的辐射靶区剂量越来越趋于精准，这就要求对于勾画目标及危及器官(organ at risk，OAR)需要有较高精确度，对目标体积和OAR进行精确的空间描述，在使肿瘤细胞获得高度适形辐射剂量的同时保护健康组织，防止急性放射损伤及相关并发症。传统人工勾画OAR方法耗时、费力，且观察者内和观察者间均存在差异[1]。随着计算机算法的发展，大量自动勾画软件被开发出来[2]，目前自动和半自动勾画已达到较高精度，且可重复性强[3-4]；主要包括基于图谱的自动勾画方法[5-6]和基于人工智能的自动勾画方法[7-8]，其临床表现不尽相同[9]。本研究评价AccuContour和United Imaging软件自动勾画胸部OAR的差异。

1 资料与方法

1.1 数据来源 病例来源于癌症影像档案馆(The Cancer Imaging Archive，TCIA)的公开数据集(http://doi.org/10.7937/K9/TCIA.2017.3r3fvz08.)，包括来自3个机构的60例非小细胞肺癌患者(每个机构各20例)，其中男33例，女27例，年龄37～92岁，共60个数据集。本研究以来自其中24例(男10例、女14例)的24个数据集作为测试数据集，每个数据集包括一组DICOM CT图像文件和一个DICOM RTSTRUCT文件。胸部轴位CT扫描参数：层厚1 mm/2.5 mm/3 mm，层数103～279，FOV 50 cm×50 cm，重建冠状位及矢状位图像，重建矩阵512×512。DICOM RTSTRUCT文件提供用于评估分割性能的手动勾画轮廓；OAR包括心脏、左肺、右肺、食管和脊髓。由1名主任医师对手动勾画的轮廓进行质量检查，并加以编辑，使其尽可能符合RTOG 1106轮廓指南[10]。所选数据集均未用于开发两种待评估软件。

1.2 自动勾画软件 AccuContour 3.0自动勾画软件由Manteia数据科技有限公司开发，为基于人工智能深度学习的自动勾画软件，通过建立图像分割模型，并基于一定量的训练数据集对模型进行训练；对训练所得模型的验证参数进行分析，选取训练效果最佳的训练模型作为最终的OAR自动勾画模型。

United Imaging勾画软件由上海联影智能医疗科技有限公司开发，是基于联影智能自主研发的分割算法开发研制的自动勾画系统，支持全自动分割OAR和靶区，完成以大量训练数据集进行的训练后投入临床使用。上述2种软件均由软件公司训练完成，并获得正版授权许可。

1.3 评估参数 采用MIM 6.7.14软件，获取勾画时间、豪斯多夫距离(Hausdorff distance，HD)、形状相似性指数(dice similarity coefficient，DSC)及平均最小距离(mean distance to agreement，MDA)；以测试数据集中人工勾画的OAR轮廓作为“金标准”，评价自动勾画OAR轮廓的准确性。

HD用于度量体积轮廓中2个轮廓(A和B)之间的最大失配程度；二维平面中，HD为2个子集之间最近点所有距离中的最大值，对轮廓之间个别部位的差异尤为敏感，其值越小，代表勾画效果越优[11]，见公式(1)。DSC用于度量标准体积重叠，通过计算2个轮廓(A和B)之间相互重叠部分的体积与2个轮廓体积之和的比值来描述轮廓之间的重合程度，其值越大代，表勾画效果越优[2,11]，见公式(2)。MDA是代表每个体素从一个结构(A)表面到另一个结构(B)表面的平均最短距离的几何参数[12]，理想情况下MDA=0，见公式(3)。

(1)

(2)

MDA(A,B)=

(3)

1.4 统计学分析 采用SPSS 26.0统计分析软件。以±s表示服从正态分布的计量资料，采用配对t检验比较各参数差异；以中位数(上下四分位数)表示不服从正态分布的计量资料，采用Wilcoxon秩和检验比较各参数差异。P<0.05为差异有统计学意义。

2 结果

2.1 AccuContour软件 平均勾画时间(37.271±6.166)s；食管和脊髓的DSC较低，中位数分别为0.692和0.767，且MDA中位数>2.0 mm；心脏和左、右肺DSC中位数均>0.9，左、右肺MDA中位数<2.0 mm，心脏平均MDA稍高，为(2.385±0.747)mm；HD中位数在心脏最低(15.003 mm)，在脊髓最高，为45.248 mm，见表1。自动勾画的心脏和肺与轮廓手动勾画轮廓的重合度较好；食管、脊髓勾画效果相对较差，手动勾画轮廓中，脊髓下缘延伸至L2下缘或脊髓最下端，而自动勾画方法对于下端层面勾画不足，仅显示胸椎范围内的脊髓，见图1。

2.2 United Imaging软件 平均勾画时间为20.333±1.195)s；食管和脊髓的DSC较低，中位数分别为0.790和0.789，且脊髓MDA中位数>3.0 mm；心脏平均DSC>0.8，其平均MDA稍高，为(3.434±1.106)mm；左、右肺DSC中位数均>0.9，且MDA<2.0 mm；食管的HD中位数最低(11.898 mm)，脊髓最高，为46.572 mm，见表1。自动勾画的心脏边界中包含更多血管层面；肺部的自动勾画与手动勾画边界重合度好，但未排除肺部气管和肿瘤；自动勾画对于食管上下界的识别不稳定，轮廓勾画效果稍差；自动勾画脊髓效果较差，上缘超出手动勾画包含的全部脊髓范围较多，见图1。

图1 患者男，非小细胞肺癌 A～C.依次为AccuContour软件(蓝色)与手动勾画(红色)的轴位(A)、矢状位(B)及冠状位(C)胸部CT图像中的OAR；D～F.依次为United Imaging软件(黄色)与手动勾画(红色)的轴位(D)、矢状位(E)及冠状位(F)胸部CT图像中的OAR

2.3 差异分析 United Imaging软件勾画时间明显短于AccuContour软件(t=-14.781，P=0.005)。2种软件勾画心脏的HD、DSC及MDA差异均有统计学意义(P均<0.05)。United Imaging软件勾画的左肺DSC明显大于AccuContour软件(P<0.05)、MDA明显小于AccuContour软件(P<0.05)；AccuContour软件勾画的右肺HD明显小于United Imaging(P<0.05)。2种软件勾画的食管HD、DSC及MDA差异均有统计学意义(P均<0.05)，勾画脊髓的各项参数差异均无统计学意义(P均>0.05)，见表1。

表1 AccuContour与United Imaging自动勾画软件勾画OAR的准确度比较

3 讨论

自动勾画软件的出现使得放疗效率获得大幅提升，但不同软件之间勾画结果的差异可能影响放疗计划中的剂量计算结果和对OAR的保护。勾画体积的增多势必造成对OAR可耐受剂量的高估。本研究结果显示，2种软件对肺部的勾画效果最佳，DSC均>0.95，DSC>0.7即表明2个轮廓重复性尚可，分割效果可接受[13]；2种软件勾画心脏的效果表现较好，但United Imaging自动勾画的上边界包含了更多的血管层面，与手动勾画的上边界符合度较差，平均MDA稍高为(3.434±1.106)mm。对比分析发现，AccuContour软件勾画心脏及右肺的效果优于United Imaging，United Imaging软件勾画左肺的效果优于AccuContour。

根据RTOG 1106指南[10]，脊髓勾画轮廓的上缘延伸至环状软骨的上方或环形软骨下缘，下缘延伸至L2的下缘。2种软件勾画食管和脊髓的效果较差，HD均较高，AccuContour软件自动勾画食管的DSC为0.692，低于0.7；United Imaging软件勾画脊髓上下界普遍超出手动勾画，AccuContour软件勾画脊髓上下界范围则小于手动勾画。脊髓的耐受量存在体积效应，脊髓勾画过多或过少将造成体积效应的低估或高估。对比分析发现，United Imaging软件勾画食管的效果优于AccuContour；2种软件勾画脊髓效果无显著差异。2种软件勾画边界的差异可能受训练数据集和勾画算法的影响。因此，在自动勾画软件的训练过程中，训练数据集的选择和处理显得尤为重要。根据勾画部位不同，结合勾画指南精确确定训练集中OAR的勾画边界可能将得到更好的训练结果，进而减少对自动勾画结果的手动编辑。

本研究中，United Imaging软件耗时较AccuContour更少，但秒级的时间差别在临床工作中实际意义较小，大部分结构的自动勾画结果均需手动调整后才能用于临床。因此，自动勾画的软件勾画时间和所需的手动修改时间总和对评价勾画软件的勾画能力更有意义，是未来需进一步探究的方向。

综上，不同软件的差异受软件所用算法、训练数据集以及训练强度的影响，AccuContour3.0和United Imaging软件自动勾画效果在不同部位的表现存在差异且各有所长；二者勾画肺部和心脏效果较好，食道和脊髓效果稍差。本研究缺乏定性评价研究，定性评价自动勾画达到临床可接受标准所需的编辑时间以及自动勾画轮廓对剂量分布的影响是未来进一步探究的方向。此外，如何结合机构的需求选择合适的软件、结合机构内数据集和多机构数据集对自动勾画软件做进一步训练也需进一步探讨。