基于深度学习的乳腺X线智能检测系统对钙化的检出能力评估

邹雪瑾 王齐艳 郑勇 蒲杨梅 康敏

(四川省妇幼保健院放射科，四川 成都 610045)

乳腺癌是女性最常见的恶性肿瘤，也是治疗效果最好的恶性肿瘤。早发现、早诊断对临床预后具有重要意义，尤其对于导管原位癌及时治疗，其20年相对生存率可达 97%[1]。钙化是乳腺癌的重要征象，甚至可能是早期乳腺癌唯一征象[1-6]，乳腺X线摄影是显示钙化的敏感度最高的影像手段，尤其是对以微小钙化为表现形式的导管原位癌等早期乳腺癌发现意义重大[2-6]。人工阅片诊断乳腺钙化病变，对影像诊断医师经验要求高，且也可由于阅片环境、阅片数量因素等引起的视觉疲劳或注意力不集中导致漏诊。近年，随着人工智能(Artificial intelligence，AI)技术发展，基于卷积神经网络的深度学习(Deep learning，DL)技术逐渐应用到乳腺X线影像辅助诊断领域，其运用人工智能算法检出乳腺X线图像中病变[7-8]。本文将对比基于Faster-RCNN算法的深度学习系统与影像医师检出不同类型乳腺良性可能及可疑钙化敏感度，并评估其检出乳腺X线影像钙化灶的稳定性，探讨深度学习智能检测系统对临床医师的辅助价值。

1 资料与方法

1.1一般资料 回顾性分析2018年1月至2020年9月于四川省妇幼保健院接受常规乳腺X线检查的6165病例，筛选出140例仅因钙化原因进行病理组织学检查，均为女性患者，年龄24～85岁，中位年龄46岁。纳入标准：(1)行乳腺X线检查前未进行穿刺活检、放化疗、手术切除等治疗；(2)图像质量合格符合诊断标准，含双乳头尾位(cranio-caudal view，CC)和内外斜位(medio-lateral oblique，MLO)。(3)图像中仅含钙化病变。排除标准：(1)图像质量不合格，拍摄条件不达标或投照体位缺失；(2)图像中含肿块、不对称致密及结构扭曲等重要征象。

1.2影像采集 采用Hologic Lorad Selenia数字乳腺机，阳极靶面材料为钨，滤过材料为铑和银。采用全自动曝光和全自动压迫系统，根据乳腺厚度和密度全自动选择所有成像参数，曝光电压范围为22～39 kV，曝光电流为3～400 mA。常规拍摄获取双乳CC位及MLO位图像，采集方法符合中华医学会2016年乳腺影像检查方法专家共识制定的乳腺影像检查技术标准[9]。

1.3DL系统应用 DL系统为北京市医准智能科技有限公司开发的乳腺X射线影像辅助诊断软件，版本号：V.3.2.1.2021.0701，该软件为基于Faster-RCNN算法的深度学习系统，系统读取标准协议的DICOM数据，自动检出钙化。分析乳腺病变的时间为10%～20%。

1.4图像处理及建立参照标准 两名经验丰富的高年资医师(15年以上乳腺X线阅片经验)采用盲法独立阅片，依据美国放射学院(American College of Radiology，ACR)2013年第5版乳腺影像报告和数据系统(breast imaging reporting and data system，BI-RADS)分类标准[10]对钙化进行评估，记录其形态、分布、BI-RADS分类、ACR腺体构成；如果同一病例出现多个可疑钙化或同一病灶出现多种形态可疑钙化，以阳性预测值最高者进行BI-RADS分类；当两者检出结果不一致时，两位医师再次讨论得出最终诊断结果，并建立参照标准组。同时，由1名低年资住院医师A(2年乳腺X阅片经验)、1名高年资住院医师B(5年乳腺X线阅片经验)、DL系统盲法独立阅片，标记BI-RADS 3类及以上钙化病灶。阅片过程中，医师可以调整影像的窗宽、窗位和分辨率，且阅片时间不受限制。

1.5评估时间统计 记录医师A、医师B及DL系统评估钙化使用的总时间。

1.6统计学方法 采用Python 2.7.10统计分析软件。用χ2检验评价DL系统与医师A、B的钙化检出敏感度；双向表χ2检验评价不同ACR腺体构成、钙化形态、钙化分布及BI-RADS分类等因素对DL系统、医师A和B的检出敏感度的影响。P<0.05为差异有统计意义。

2 结 果

140例病例中含BI-RADS 3类以上的钙化灶图像275幅，其中CC位135幅，MLO位140幅，发现目标钙化灶306个，CC位150个，MLO位156个。医师A、B及DL系统分别耗时5、7及4.2 h完成钙化评估。不同ACR乳腺构成的钙化检出比较见表1。DL系统与医师B在不同ACR乳腺构成的检出敏感度无显著性差异(χ2值0.050，P>0.05)，医师A检出敏感度显著低于医生B及DL系统(χ2值分别为58.929、61.293，P<0.05)，其中c、d类乳腺检出敏感度差异显著(P均<0.05)，而a、b类腺体检出敏感度差异无统计学意义(P均>0.05)。不同ACR乳腺构成类型对DL系统及医师B钙化检出灵敏度无影响，对医师A钙化检出灵敏度有影响。见表1。

表1 不同ACR乳腺构成的钙化检出比较(%)

医师A对于不同钙化形态的检出灵敏度明显低于医师B及DL系统，差异有统计学意义(χ2=60.236、62.598,P均<0.005)。各组主要漏检簇集分布不定形钙化(图1)，其中DL系统漏诊8个，其密度较淡，范围较小；医师A主要漏检钙化还包括簇状及区域分布的点状钙化(图1)。对于不定形钙化，DL系统与医师B检出敏感度对比，无统计学差异(χ2=1.394,P>0.05)，与医师A对比，其检出敏感度差异有统计学意义(χ2=34.600,P<0.005)。对于不同分布方式钙化的检出敏感度DL系统与医师B无显著性差异(χ2=0.050，P>0.05)；DL系统与医师A在区域与簇集钙化的检出敏感度差异有统计学意义(χ2=33.547、29.563，P均P<0.05)。不同形态、分布方式的钙化对DL系统、医师B的检出敏感度无影响，对医师A钙化检出敏感度有影响。见表2，表3。

注：A.54岁，女,DL系统漏诊左乳不定型钙化漏诊,其密度较淡，范围小；B.54岁，女，DL系统漏诊左乳不定型钙化，直径范围0.5 cm；C.48岁，女，DL系统、医师A、医师B均漏诊右乳不定型钙化，直径范围约0.5 cm；D.43岁，女，低年资住院医师漏诊簇集分布混杂含不定形钙化和点状钙化病灶。图1 钙化漏诊病例

表2 不同形态钙化检出比较(%)

表3 不同分布方式钙化检出比较(%)

各医师与DL系统检出BI-RADS 3类以上的钙化敏感度见表4,医师A检出敏感度73.45%，低于医师B及DL系统，差异有统计学意义(P均<0.05)。不同BI-RADS分类不影响DL系统及医师B检出钙化敏感度，对医师A检出钙化敏感度有影响。见表4。

表4 不同BI-RADS分类钙化检出比较(%)

3 讨 论

近年来，CAD系统[7，11,12]和DL系统[7，13]等人工智能技术在对乳腺X线摄影病变检出的领域研究已经有报道，传统CAD算法基于人工设计特征，没有深度网络，仅能提取浅层特征，系统性能较差，在实际应用中存在假阳性率高，检出率低等不足之处[7,12]。近几年基于卷积神经网络的深度学习技术使得乳腺人工智能诊断系统的诊断水平有所提高[13]，利于临床医师减少漏检率[14-16]。本研究中，DL系统对于BI-RADS 3类以上钙化敏感度96.36%，在既往报道AI对检出不同分类或形态钙化敏感度在64.9%～100%[14-16]区间内。

乳腺腺体密度是乳腺癌的风险因素之一，随着乳腺密度增高，乳腺间期癌发生的风险越高，乳腺X线摄影在致密乳腺应用较大局限性[17-18],乳腺间期癌与致密的腺体组织使成簇微小钙化在实际诊断中存在一定困难，容易漏诊和低估，需临床活检证实[3]。目前国内对于ACR乳腺构成对DL系统钙化检出敏感度相关报道少，周娟等[14]认为不同ACR乳腺构成对DL系统钙化敏感度无影响，而对低年资住院医师钙化检出有影响，与笔者结果一致，但其未对比DL系统与医师组间不同ACR乳腺构成的钙化检出敏感度差异。本研究显示对于ACR乳腺构成为c、d类乳腺钙化病灶，DL系统检出敏感度显著高于低年资住院医师，而对于a、b类腺体构成的乳腺钙化，两者检出敏感度无显著差异，提示DL系统有助低年资住院医师减少致密型乳腺的钙化病变的漏检。DL系统对于ACR c、d类的致密型乳腺钙化的评估有较高稳定性，与马明明等[19]观点一致。

钙化的不同形态、分布等对于乳腺癌的早期诊断具有重要意义，其阳性预测值决定了BI-RADS分类[20]。本文中不同BI-RADS分类、形态、分布方式不影响DL系统及高年资住院医师对BI-RADS 3类以上乳腺钙化灶检出的敏感度，提示DL系统稳定性较高，而低年资住院医师评价乳腺钙化情况则反之，与既往报道一致[14,16]，提示DL系统可辅助低年资住院医师提高钙化检出敏感度。

对于不同形态钙化，医师组与DL系统均发生不同程度漏检,DL系统对不同形态钙化检出敏感度均在94%以上，与高年资住院医师水平相当，显著高于低年资住院医师,尤其对于不定型和点状钙化检出。对于区域、簇集及段样分布钙化灶，DL系统与高年住院资医师检出敏感度较高；尤其对于区域及簇集分布钙化，DL系统敏感度显著高于低年资住院医师，提示DL系统有助于低年资住院医师对区域、簇集分布方式钙化检出，既往国内报道仅提到DL系统对簇集分布钙化有明显辅助作用[14]。对于可疑恶性程度高的4例段样分布钙化，DL系统与医师检出敏感度均达100%，与病变分布范围相对较广容易发现有关。

本研究DL系统和医师组主要漏检钙化类型为簇集分布不定形钙化，与既往报道类似[14，16]。漏诊客观原因包含钙化直径较小、密度较低、腺体重叠等因素;医师组还受诊断经验、视觉疲劳、注意力下降等主观因素影响;笔者认为DL系统不能使用调节图像窗宽、窗位等图像后处理方法加强钙化与腺体背景灰白对比度差异，可能导致其对密度较低的钙化病变出现漏诊。对簇集分布不定形钙化的检出，是DL系统的难点，需要进一步优化其在该类型钙化检出能力。笔者对不同对照组标记钙化总时间进行记录，虽然高年资住院医师检出敏感度与DL系统无差异，但用时较DL系统长；低年资住院医师用时较长且检出敏感度低于DL系统；从诊断时效来说DL系统具有一定优势。

综上所述，基于DL系统的乳腺X线检出系统对BI-RADS 3类以上钙化检出敏感度和稳定性较高，有助于低年资住院医师减少漏检，尤其可以减少致密型乳腺、簇状和区域分布、无定形及点状钙化的漏检。