基于RT-Mind软件的乳腺癌靶区及危及器官的自动勾画

高文超，王军良，秦琪，林鸿宇，解传滨，戴相昆，张军舰

中国人民解放军总医院 a. 第五医学中心放疗科；b. 第一医学中心放疗科，北京 100853

引言

乳腺癌是全球女性中最为常见的恶性肿瘤，其每年新增患病人数约100万，年死亡率在全部癌症中仅次于肺癌（超过40万）[1]。早期乳腺癌患者采用保乳手术联合术后放疗治疗模式，术后放疗能够有效地降低局部复发率，提高患者生存率。临床靶区（Clinical Target Volumes，CTV）和危及器官（Organs-At-Risk，OARs）的精确勾画是乳腺癌患者精确放疗的前提和保证。放射肿瘤医师手动勾画的CTV和OARs是当前临床勾画的金标准，但是临床工作中CTV及OARs的勾画是一个费时且费力的工作，大量重复性的工作降低了医师对患者进行诊疗的效率[2-3]。近年来，自动勾画软件的开发已成为放疗领域的热点，基于患者图集[4-5]和基于卷积神经网络（Convolutional Neural Networks，CNN）[6-7]的自动勾画是目前两种主要的自动勾画技术。本研究的RT-Mind软件是基于CNN开发出来的自动勾画软件，它是利用改进版的U-Net卷积神经网络模型（RTD-Net），运用标准数据集对其进行训练，通过算法逻辑对图像进行自动分割勾画。本研究拟通过RT-Mind软件，探讨其对乳腺癌保乳放疗患者CTV和OARs自动勾画的精确度，为临床应用提供参考。

1 资料与方法

1.1 临床资料

选取本院2020年4月至7月行保乳手术的早期乳腺癌患者10例，年龄43～68岁，中位年龄51岁。定位时患者平躺在乳腺托架上，双手上举握杆，使乳腺靶区完全暴露，通过激光灯标志体表标记，铅丝标记乳房边界。扫描范围：下颌至乳腺褶皱下5 cm。扫描条件：管电压120 kV，管电流时间300 mAs，层厚3 mm，层间距3 mm。扫描完成后将图像分别传至Eclipse治疗计划系统及RT-Mind软件。

1.2 手动、自动勾画CTV及OARs

在Eclipse治疗计划系统中，所有靶区及危及器官均由一名有经验的放疗医师勾画，依据体表定位标志、CT图像及丹麦乳腺癌协作组（DBCG）图谱[8]勾画全乳腺CTV及OARs，其中OARs包括双肺、心脏及健侧乳腺。在RTMind软件中，使用自动勾画功能模块，选取乳腺癌CTV及上述OARs进行自动勾画，RT-Mind软件CTV、OARs的勾画标准如下：CTV上界为锁骨头下1 cm，下界为对侧乳腺明显消失，前界为皮肤，后界为除外胸肌、胸壁肌肉、肋骨，外界为乳腺褶皱/胸外侧动脉前，内界为胸肋交界处；双肺在肺窗勾画，炎症、萎陷、纤维化和不张的肺都应包括在内，肺门外的小血管也包括在内，肺门、气管及主支气管排除在外；心脏沿心包囊进行勾画，上界从右肺动脉退至中线层面开始，向下延伸至心尖部，不包括已出现的下腔静脉；健侧乳腺为CT图像上明显可见的乳腺组织。

1.3 RT-Mind软件

RT-Mind软件由北京医智影科技有限公司研发设计，采用改进版的U-Net卷积神经网络模型（RTD-Net）实现图像自动勾画，RTD-Net的总体框架见图1。该模型遵循U-Net的基本框架，包含编码器（Encoder）及解码器（Decoder）两部分，解码器部分产生的特征图可通过跨层连接方式直接连接到解编码器部分相对应的特征图，使得图像分割结果更精确。RTD-Net中的卷积层被Context Aggregation Block所代替，编码部分和解编码部分都由五个Context Aggregation Block组成，这种改进改善了定位精度、减少了假阳性。与此同时，RTD-Net还使用了Squeeze-Extract Block来改变不同通道之间所占权重大小，使网络实现目标特征重新校准，选择性地抑制不太有用的特征，强调有用的特征信息，提高了网络表达能力。

图1 RTD-Net网络框架

1.4 评估参数

以医生手动勾画的CTV及OARs轮廓结果作为金标准，采用Dice相似系数（DSC）、Jaccard系数（JAC）、体积差异（VD）、Hausdorff距离（HD）四种参数定量评估RTMind自动勾画的准确性。

1.4.1 Dice相似系数

DSC用于评价2组勾画轮廓在体积上的重合度，DSC取值范围0～1，越接近1，表明2个体积重合度越好，见式(1)。

其中，A为自动勾画结果，B为手动勾画结果。

1.4.2 Jaccard系数

JAC用于比较2组勾画轮廓的相似性与差异性，JAC取值范围0～1，越接近1，表明2个体积相似度越高，见式(2)。

1.4.3 体积差异

VD指2组勾画轮廓体积差异值占标准勾画（手动勾画）体积的百分比，VD值越接近0越好，见式(3)。

1.4.4 Hausdorff距离

HD用于衡量2组点集在三维空间上的表面距离，见式(4)。

1.5 统计学方法

采用SPSS 20.0统计软件对靶区、OARs数据进行统计学分析，定量测量值以（均值±标准差）表述，并对自动勾画CTV与CTV内收0.5 cm之间的勾画结果差异行配对t检验，P＜0.05为差异有统计学意义。

2 结果

RT-Mind软件自动勾画乳腺CTV及OARs的参数结果分别如表1～2所示。由表1可以看出，对于临床靶区CTV：自动勾画CTV未经处理前，其勾画效果不够理想，其中DSC均值为0.77，小于0.8；经过内收后的CTV内收0.5 cm其勾画效果明显得到提高，与未经处理前的自动勾画的CTV相比，除HD值无变化外，其他评价参数均有明显改善，差异有统计学意义（P＜0.05）。由表2可以看出，对于OARs：四个OARs的HD均值均小于2.00 cm；四个OARs的DSC、JAC、VD均值比较，双肺＞心脏＞健侧乳腺，表明双肺勾画效果最好，心脏次之，最后是健侧乳腺。图2为可视化的乳腺癌靶区及OARs的勾画效果，表明临床靶区CTV勾画相对较差，其他勾画效果较为理想，基本上能为临床所接受。

表1 基于RT-Mind软件靶区自动勾画结果

表2 基于RT-Mind软件OARs自动勾画结果

图2 自动勾画结果

3 讨论

IMRT已经广泛应用于乳腺癌治疗，IMRT计划具有剂量梯度大、靶区适形度高等优点，因此放疗计划对靶区及危及器官的精确勾画要求更高，然而临床靶区及危及器官的勾画费时费力，不同医师勾画存在一定差异，另外随着自适应放疗技术的发展，要求临床医师能在短时间内精确的勾画靶区及危及器官。面对这些挑战，自动勾画软件的开发与应用可为其提供可行的解决途径，目前自动勾画方法主要分为两种：基于图集的方法和基于CNN的方法，并且国内外已在鼻咽癌[9-11]、直肠癌[12-13]、宫颈癌[14-15]的肿瘤靶区或OARs自动勾画中取得了不错的效果，而有关乳腺癌自动勾画效果的相关报道较少，因此本文通过医智影公司开发的RT-Mind软件对乳腺癌靶区及OARs自动勾画的准确性作相关研究，为其临床应用提供参考。

对于乳腺癌保乳术后CTV的勾画，其勾画精度直接影响肿瘤局部控制率、复发率。众多研究[4,16]发现不同单位中心、不同医师按相同指南勾画同一类型肿瘤，因勾画习惯、经验水平不同，其勾画结果存在一定差异性，而自动勾画软件恰好能缩小其差异性。本研究利用RT-Mind软件对乳腺CTV进行勾画，结果显示评估参数值与危及器官相比，均不理想。主要原因是RT-Mind软件定义的CTV前界在皮肤，而按照ESTRO指南[17]、RTOG勾画指南及本中心勾画经验，CTV应在皮肤下0.5 cm处，为此将自动勾画的CTV按Body内收0.5 cm作为新CTV内收0.5cm，再与临床医生手动勾画CTV比较，结果表明CTV内收0.5cm能明显改善自动勾画CTV效果，能够应用于临床实践。值得注意的是，本研究CTV内收0.5cm的DSC均值为0.83，与陈新元等[18]研究得到的左/右乳腺癌靶区DSC均值0.87/0.88有一定的差异，主要原因是所采用的卷积神经网络不同，但二者DSC均值结果均大于0.8，说明轮廓之间均具有较好的一致性。本研究还发现RT-Mind软件勾画的CTV层数与手动勾画层数有一定差异，表明RTD-Net模型对上下界的勾画界限具有不确定性，这也是CTV自动勾画效果低于危及器官的原因之一。

对于乳腺癌保乳术后危及器官，其位置相对固定，这为RT-Mind软件勾画的准确性提供了保证，结果表明双肺、心脏及健侧乳腺均有较好的勾画结果，其中双肺勾画效果最好，心脏次之，最后是健侧乳腺。危及器官边缘勾画的准确性与边缘对比度相关，对于RT-Mind软件，边缘对比度越高，越易被识别。双肺边界与胸壁、纵隔及膈肌三个结构相邻，肺密度明显低于这三个结构，边缘对比度高，勾画效果最佳。健侧乳腺的勾画与腺体密度相关，腺体致密性的乳腺边界清晰，勾画较好，而以脂肪及结缔组织为主的乳腺边界模糊，增加了自动勾画难度。研究结果发现，双肺的HD值分别为（1.48±0.23）cm、（1.56±0.42）cm，均高于心脏及健侧乳腺，主要原因是RT-Mind软件在勾画双肺时，将肺门、气管、主支气管排除在外，而临床医生在进行乳腺癌双肺勾画时，只将主支气管排除在外，而肺门、气管并未排除，增加了HD偏差。研究还发现，心脏HD偏差均出现在心尖部位，即心尖部位自动勾画效果差，这也说明RTD-Net模型对于细节的学习能力不足，需要进一步完善。

本研究局限性：本次研究评价样本量较少；RT-Mind软件模型训练时，数据集来源于一家单位中心，而每家单位中心的勾画习惯及原则略有差异，且每家单位中心所用CT机不同且扫描参数也不一样，会导致自动勾画效果有所差异；RT-Mind软件暂未考虑危及器官左前降支冠状动脉（LAD）的自动勾画，而对于左侧乳腺癌患者，LAD作为需要保护的危及器官，需要勾画。

综上所述，RT-Mind软件对于乳腺癌OARs的自动勾画具有较好的效果，对于自动勾画的乳腺CTV，需沿Body内收0.5 cm，再按照临床医生勾画习惯及患者个体化原则进行修改调整，便能符合临床要求。总之，RT-Mind软件对于乳腺癌CTV及OARs的自动勾画能够应用于临床实践，为临床医师减少工作量，提高工作效率。