胸部增强CT 不同重组算法深度学习诊断肺结节良恶性

沈晶 林琳 刘文飞 伍建林

MSCT 在肺结节诊断中应用较为广范［1］，因不同重组算法的胸部CT 图像质量不同，因此在肺结节的诊断中存在一定差异性。随着人工智能技术进步，深度学习智能辅助诊断（deep learning based computer-aided diagnosis，DL-CAD）通过使用卷积神经网络进行病例图像训练，进而提取肺结节的主要影像特征，对结节的性质进行预测［2,3］。既往结果已显示DL-CAD 可有效地辅助影像医师对肺结节进行准确、可靠诊断，提高影像医师的诊断效率和准确性［4-6］。既往研究结果采用不同计算机深度学习算法来分析其对肺结节良恶性诊断的差异，或胸部CT 平扫不同重组算法下肺结节的诊断效能［7-9］。但胸部CT 增强扫描为肺部病变可提供更详细的影像信息，根据肺结节增强表现，有助于影像科医生做出更精准诊断。基于肺结节CT增强不同重组算法DL-CAD 诊断效能的对比研究相对较少。本研究对胸部增强CT 不同重组算法下肺结节DL-CAD 诊断效能做一对比研究，以期为提高DL-CAD 肺结节良恶性诊断效能提供帮助。

资料与方法

1.一般资料

回顾性收集2018 年1 月～2019 年1 月行胸部增强CT 检查患者40 例，男27 例，女13 例；年龄22～65岁，平均（42±10.2）岁。纳入标准：（1）肺内结节直径大于0.5 cm 的磨玻璃结节、实性结节或肿块；（2）行胸部增强CT 检查，且有不同重组算法（B30f 软组织算法，B70f 骨算法）1 mm 薄层重建；（3）于我院进行肺肿物手术，具有完整的临床、病理资料者。排除标准：（1）因金属伪影、呼吸伪影等导致CT 图像质量不佳者；（2）患者存在肺炎、肺不张、胸腔积液等影响病灶确认及标注者；（3）无B30f、B70f 1 mm 薄层CT 重组图像者。所有病例均经手术病理证实，其中良性（包括淋巴结1例、纤维化结节3 例、慢性炎症5 例、肉芽肿性炎症1 例）10 例，恶性（包括原位癌4 例、腺癌23例、其他类型肺癌3 例）30 例。

2.图像采集与重组

所有患者均行Siemens 双源（Definition Flash）胸部CT 增强双期扫描，采用管电压120 kVp，采用自动管电流，调节技术Care Dose 4D 动态曝光剂量调节，层厚1.0 mm，重叠0.7 mm。增强扫描采用高压注射器肘正中静脉注射非离子型对比剂碘佛醇（320 mg I/ml），剂量100 ml，流率3.0 ml/s，采用动脉期阈值触发启动扫描（100 HU），动脉期扫描后60 s行静脉期扫描。采用不同的重组核条件（B30f 软组织算法和B70f 骨算法）进行胸部增强CT 动脉期重组，重组图像层厚1 mm。选用DL-CAD 辅助软件（InferRead Lung CT Research，Infervision，Beijing，China）行肺结节自动检测并行恶性概率百分比评估（恶性概率越接近100%，提示恶性肿瘤可能性越大）。所示患者胸部CT 均进行深度学习智能诊断软件自动识别确定病变大小、位置、恶性概率百分比等。每个结节用DL-CAD 系统分析其恶性概率值（0～100%）。计算不同重组核的ROC 曲线下面积（area under curve，AUC）及良恶性结节的诊断符合率。

3.统计学分析

采用SPSS 20.0 软件进行分析，分别计算各组不同算法的符合率及诊断效能，以P<0.05 为差异有统计学意义。

结果

采用DL-CAD 系统对胸部增强CT 不同重组算法（B30f 及B70f）的肺结节进行检测分析，结果显示所示患者肺内病变均被检出。胸部增强CT B30f 重组算法对良性结节的诊断符合率为42.86%，对恶性结节的诊断符合率为90.00%。胸部增强CT B70f 重组算法对良、恶性结节的诊断符合率分别为44.44%和86.67%。

DL-CAD 系统对胸部良性结节的定性诊断准确率低于50%，本研究中DL-CAD 胸部增强CT B30f、B70f 对良性结节的误诊率分别为57.14%、55.56%。而对恶性病变诊断符合率均高于85%，DL-CAD 胸部增强CT B30f、B70f 对恶性结节的误诊率分别为10.00%、13.33%。良性结节及恶性结节DL-CAD 系统不同重组方式（B30f、B70f）诊 断效能情况对比见图1。同时，与胸部增强B30f 预测（AUC=0.473）相比，胸部增强B70f 预测病变的AUC 为0.704。

讨论

近年来，基于DL-CAD 系统在肺结节的诊断应用中越来越广泛［10］，深度学习算法的肺结节检出及诊断效能很大程度上与胸部CT 图像质量高度相关［6］。不同重组算法会影响图像空间分辨率及噪声值，如骨算法（B70f）会提高空间分辨率，同时可增加噪声值；而软组织重组算法（B30f）可降低噪声值，同时降低空间分辨率［6］。既往研究结果显示［6］，骨算法条件下，肺结节诊断敏感度最高，软组织重组诊断敏感度最低，而软组织算法准确度最高。既往研究应用DL-CAD 系统对不同管电流、管电压、重组算法、迭代算法肺结节诊断的对比进行了研究［6,11-14］。而胸部增强CT 在一些良恶性肿瘤的鉴别价值值得肯定。但基于胸部增强CT不同重组算法的肺结节良恶性DL-CAD 鉴别诊断的研究较少。

图1 男，69岁，左肺下叶后基底段肿块，大小约3.9 cm×3.4 cm，病理为鳞状细胞癌。a）胸部增强CT B30f 重组算法图像，DL-CAD 肺结节恶性概率预测值为99.03%；b）胸部增强CT B70f 重组算法图像，DL-CAD 肺结节恶性概率预测值为99.28% 图2 女，48岁，右肺下叶后基底段结节灶，大小约0.9 cm×0.8 cm，病理为腺癌。a）胸部增强CT B30f 重组算法图像，DL-CAD 肺结节恶性概率预测值为71.93%；b）胸部增强CT B70f 重组算法图像，DL-CAD 肺结节恶性概率预测值为91.91% 图3 男，60岁，右肺下叶外基底段结节灶，大小约1.3 cm×2.4 cm，病理为右肺慢性炎性改变伴纤维化、碳末沉积。a）胸部增强CT B30f 重组算法图像，DL-CAD 肺结节恶性概率预测值为85.98%；b）胸部增强CT B70f 重组算法图像，DL-CAD 肺结节恶性概率预测值为96.09% 图4 女，60岁，右肺下叶前基底段混合磨玻璃密度灶，大小约0.8 cm×0.7 cm，病理为腺泡上皮不典型增生伴纤维组织增生。a）胸部增强CT B30f 重组算法图像，DL-CAD 肺结节恶性概率预测值为41.96%；b）胸部增强CT B70f 重组算法图像，DL-CAD 肺结节恶性概率预测值为55.43%

本研究发现胸部增强CT B70f 骨算法对所有肺良恶性结节诊断符合率较高，由于骨算法对显示边缘最为锐利，其对精细结构的显示优于软组织算法［6］。而对恶性结节诊断符合率的评估中，胸部增强CT B30f 纵隔软组织算法的符合率略高于B70f 骨算法，与既往基于深度学习胸部CT 平扫肺结节诊断的研究结果一致［6］，因B30f 软组织重组算法最为平滑，可得到较高的诊断率。而对良性结节的诊断符合率两种重组方式均较低，可能因部分良性结节表现与恶性相似。本研究使用的DL-CAD 版本对良性结节诊断仍难以到达较高水平有关，需进一步优化。

本研究具有一定的局限性：（1）研究样本量较小，良性结节病例数尤为少。（2）研究中病变为磨玻璃密度及实性肿块均收录在内，因此会对结果的判读产生一定偏倚。需在今后的研究中进一步扩大样本量，进行结节或肿块的分类分析，以期得到更好的研究结果。

应用DL-CAD 系统，B70f 重组对良恶性肺肿瘤的检出率明显提高。然而，在DL-CAD 系统的未来版本中，由于结节的特点，无论恶性程度如何，诊断符合率仍有待提高。利用商业化的DL-CAD系统结合不同的重组有助于在增强CT 图像中发现和预测不同恶性风险的肺结节。