聚焦视野CTA选择性显示卒中相关动脉的技术可行性
本研究将141例急性缺血性卒中CTA检查分为100例训练集和41例测试集,训练深度学习算法「聚焦视野CTA」选择性提取脑及颅内外动脉。聚焦视野CTA对主动脉弓、锁骨下动脉、颈总动脉、颈内动脉C1/C6/C7段、椎动脉V4段、基底动脉及颅内结构的中位可见度评分为4分,颈内动脉C2-C5段和椎动脉V1-V3段为2-3分,均低于未修改CTA的5分(p<0.0001)。结论认为聚焦视野CTA在选择性显示卒中相关动脉方面显示前景,需进一步改善靠近骨骼的细小迂曲颈内动脉和椎动脉段的显示。
要点
- 聚焦视野CTA可完整消除非请求的解剖背景信息,所有病例均实现完全消除。
- 颈内动脉C2-C5段和椎动脉V1-V3段可见度中位评分为2-3分,仅勉强或诊断不足。
- 可治疗的大血管闭塞多数位于M1/M2段、颈内动脉分叉T型 junction、C1段和基底动脉,这些结构在聚焦视野CTA上显示良好。
核心结论
- 聚焦视野CTA在选择性显示卒中相关动脉方面显示前景,最终可能用于急性缺血性卒中评估。
- 进一步技术改进应特别关注更准确地显示靠近骨骼的细小迂曲颈内动脉和椎动脉段。
研究设计与样本
- 回顾性研究,共纳入141例因急性缺血性卒中评估行CTA检查的连续患者,随机分为100例训练集和41例测试集。
- 使用多排CT系统(SOMATOM Definition Edge,Siemens Healthineers)采集CTA,估计有效剂量约0.6 mSv。
- 由一名委员会认证的放射科医生使用ITK-SNAP软件对100例训练集进行分割,训练深度学习分割模型。
- 测试集由一名委员会认证的神经放射科医生在不知临床信息且无平扫CT和CTP数据的情况下评估聚焦视野CTA和未修改CTA的可见度。
关键影像表现/征象
- 聚焦视野CTA上,主动脉弓、锁骨下动脉、颈总动脉、颈内动脉C1、C6、C7段、椎动脉V4段、基底动脉、小脑(包括小脑动脉)、大脑(包括大脑动脉)及硬脑膜静脉窦的中位可见度评分均为4分。
- 聚焦视野CTA上,颈内动脉C2至C5段和椎动脉V1至V3段的中位可见度评分范围为3至2分。
- 未修改CTA上所有上述解剖结构的中位可见度评分均为5分,显著高于聚焦视野CTA(p<0.0001)。
- 非请求解剖背景信息的消除在所有病例中均完全实现。
- 读者间一致性为中等(κ=0.5)。
诊断标准与关键数值
- 可见度采用5分制评分:5=完全可见,诊断充分;4=几乎完全可见,诊断充分;3=不完全可见,勉强诊断充分;2=几乎不可见,诊断不充分;1=不可见,诊断不充分。
- 聚焦视野CTA转换平均时间为2分03秒(标准差=1分03秒)。
- 脑及颅内动脉分割的中位Dice评分为0.99(四分位距=0.99-1),颅外动脉为0.94(四分位距=0.92-0.95)。
临床应用与阅片要点
- 聚焦视野CTA可能加速大血管闭塞检测的图像解读时间。
- 聚焦视野CTA可能潜在地用于研究偶发发现的临床相关性。
- 在值班期间人手相对不足的繁忙实践中,完整的未修改CTA检查或许可在时间不那么紧迫时再回顾颅外和血管外发现。
- 当前算法可能遗漏颈内动脉岩段(C2段)的孤立性夹层。
局限性
- 评估测试病例的神经放射科医生此前从未见过任何聚焦视野CTA图像,缺乏经验可能部分解释中等读者间一致性。
- 本研究聚焦技术性能,未评估聚焦视野CTA对大血管闭塞检测的诊断性能、对工作流程和速度的影响及对患者结局的影响。
- 未评估省略非请求解剖背景信息和偶发影像发现对患者管理和结局的影响。
- 用于评估的数据集相对较小,且由单中心单扫描仪扫描的患者组成,可能限制模型的泛化性。
- 原文指出是否可行进行此类研究(如伦理审查委员会批准、患者参与和同意、足够随访时间)需要进一步研究。
全文中译15 节 · 点击展开
引言
急性缺血性卒中既是致残也是致死的主要原因,其发病率约为每10万人94.5例,2019年全球估计有763万人患病[1]。
计算机断层扫描(CT)在急性缺血性卒中的治疗选择中发挥重要作用[2]。CT血管造影(CTA)用于识别适合血管内血栓切除术(EVT)的大血管闭塞(LVO),评估颈部血管是否存在夹层、严重狭窄或其他可能使EVT复杂化的血管变异或异常,并可作为EVT的路线图[2]。CTA检查的解剖覆盖范围应自主动脉弓处颈部血管起始部延伸至颅顶[2]。
尽管CTA检查的唯一目的是显示颅内和颅外动脉,但由于其解剖覆盖范围,许多其他器官也被显示。CTA上脑和主要动脉以外结构的显示可能增加放射科医师的判读时间。另一个问题是,缺血性卒中患者CTA上的偶然发现(即与原始诊断问题无关的意外发现)很常见,最近一项研究报告15.4%的急性缺血患者具有具有重大临床相关性的偶然发现[3]。这些发现增加医疗费用,而大多数此类偶发瘤的真实临床相关性,以及它们是否需要任何额外检查或是否需要治疗,仍不清楚[4]。
深度学习彻底改变了图像后处理,并被用于许多医学图像分割任务[5]。例如,先前一项研究报告脑动脉的全自动分割是可行的[6]。我们假设,基于深度学习的图像分割可用于从CTA检查中选择性提取与缺血性卒中评估相关的脑(包括颅内动脉)和颅外动脉,同时隐藏所有其他未被要求的解剖结构。这种方法我们称之为“聚焦视图CTA”,可能加快急性缺血性卒中患者的图像判读,并提供一种研究CTA偶然发现相关性的手段。
本研究目的是探讨聚焦视图CTA用于选择性显示卒中相关动脉的技术可行性。
材料和方法
研究设计和患者
本回顾性研究经当地机构审查委员会批准,并豁免知情同意要求。2021年9月25日至12月24日期间因急性缺血性卒中评估而接受CT检查的连续150例患者可能符合纳入本研究的条件。在这150例患者中,8例因未进行CTA而被排除,1例因诊断相关的运动伪影而被排除。其余141例患者被随机分为100例的训练集和单独保留的41例测试集。
CTA采集
CTA使用多排探测器CT系统(SOMATOM Definition Edge,Siemens Healthineers)进行。静脉注射50 mL碘美普尔(Iomeron 350,Bracco Imaging),流速为6 mL/s(本研究中所有成年患者使用相同的对比剂剂量和注射速率),团注触发后扫描延迟2 s(近端降主动脉阈值100 Hounsfield单位(HU)),CTA图像从主动脉弓采集至颅顶,使用以下设置:管电压100 kV,机架旋转时间0.285 s,准直0.6 mm,螺距因子0.8,所有采集期间开启自动曝光控制(CARE Dose 4D;Siemens)。CTA图像采用迭代重建(ADMIRE,Siemens Healthineers),层厚/增量為0.75/0.5 mm。估计有效剂量约为0.6 mSv。同时还采集了脑部平扫CT和CT灌注(CTP)图像,但本研究未对这些图像进行评估。
聚焦视野CTA的训练集
100例训练病例的CTA检查由一名委员会认证的放射科医师(TCK)使用专用软件(ITK-SNAP,版本3.8.0 [7])进行分割。分割分两步进行:第1步涉及颅腔和近端椎管的分割,直至椎动脉V4段向V3段过渡的水平;第2步涉及主动脉弓、锁骨下动脉、颈总动脉、颈外动脉近端、颈内动脉直至海绵窦段向脑段过渡的水平,以及椎动脉直至V3段向V4段过渡的水平(图1)。
深度学习
开发了一个深度神经网络(DNN),用于在CTA上分割前述解剖结构。采用基于图像块的方法,以实现对不同层数成像体积的全面分割。在训练集上进行交叉验证(CV),以训练五个独立的深度学习分割模型。从训练折(90%,90次扫描)中随机采样的扫描裁剪块用作训练样本,而验证折(10%,10次扫描)中的样本用于监测各轮次之间的性能。两个前景类别的平均分类dice损失用作损失函数[8]。为防止过拟合,若验证性能在50个轮次后无改善则停止训练。预测通过滑动窗口生成,重叠预测对每个体素取平均值。每一折的最佳模型通过平均集成组合,以提高生成分割的一致性。对每个验证折计算dice系数,以评估生成分割的质量。深度学习模型使用Python 3.7.4和TensorFlow 2.2.0实现。深度学习流程的概览见补充图1。
超参数优化
进行了广泛的超参数优化,以确定我们深度学习流程的最佳配置。调整的参数包括DNN架构、重采样、预处理和数据增强策略。针对不同的超参数配置,完成了七十五次优化试验,每次试验包含单个CV折和最多50个轮次。在验证集上获得最佳平均dice分数的配置用于训练最终模型,如上所述。参数搜索空间及每个超参数最优值的概览见表1。超参数优化使用Optuna 2.10.0进行。
CTA修改
将深度学习集成应用于未标注测试数据中的每幅图像,以生成脑(包括颅内动脉)和颅外动脉的分割。通过将生成分割之外的体素强度设为− 1000,创建聚焦视图CTA扫描。聚焦视图和未修改的CTA扫描随后导出为DICOM格式。
CTA评估
41例测试病例的聚焦视图和未修改CTA检查由一名委员会认证的神经放射学家(R.W.K.)进行评估,该评估者在没有任何临床信息以及没有平扫CT和CTP数据的情况下完成了所有评估。聚焦视图CTA和未修改CTA的评估在不同读片会话中分别进行。为了进行读者间一致性分析,第二名神经放射学家(M.J.L.)也以独立和盲法的方式评估了所有聚焦视图CTA检查。聚焦视图和未修改CTA上颅外和颅内血管的可见性采用5分制进行评估:5分=完全可见,诊断充分;4分=几乎完全可见,诊断充分;3分=不完全可见,勉强诊断充分;2分=几乎不可见,诊断不充分;1分=不可见,诊断不充分。该评分系统应用于以下解剖结构:颈部血管起始水平的主动脉弓、左右锁骨下动脉、左右颈总动脉、左右颈内动脉的C1、C2、C3、C4、C5、C6和C7段[9]、左右椎动脉的V1、V2、V3和V4段[10]、基底动脉、小脑(包括小脑动脉)、大脑(包括大脑动脉)以及硬脑膜静脉窦。此外,在聚焦视图CTA上评估了非请求解剖背景信息(即除主动脉弓、锁骨下动脉、颈动脉、椎动脉、基底动脉、小脑和大脑之外的所有其他解剖结构)的消除情况。请注意,尽管EVT对后循环卒中的获益目前尚不确定[11],但为完整性起见,我们在评估中也纳入了大脑/小脑(包括大脑动脉)。对于该评估,我们重点关注小脑实质和小脑动脉作为一个整体。评分系统的概述见补充图2。
数据分析
采用Wilcoxon检验比较聚焦视图CTA和未修改CTA之间各解剖结构(颈部血管起始水平的主动脉弓、锁骨下动脉、颈总动脉、颈内动脉C1至C7段、椎动脉V1至V4段、基底动脉、小脑(包括小脑动脉)、大脑(包括大脑动脉)以及硬脑膜静脉窦)的可见性评分。p值<0.05被认为具有统计学意义。读者间一致性采用Cohen加权kappa进行评估。所有统计分析均使用MedCalc 19.1.6版软件(MedCalc)执行。
结果
患者
100例训练病例包括61名男性和39名女性,平均年龄为69.2 ± 12.2岁(范围:40–92岁)。41例测试病例包括29名男性和12名女性,平均年龄为64.7 ± 13.1岁(范围:31–86岁)。两个数据集的患者特征概述,包括LVO和动脉粥样硬化斑块的存在情况,见表2。训练数据集和测试数据集之间的患者特征未发现显著差异。
分割时间和质量
将未修改的CTA转换为聚焦视图CTA所需的平均时间为2:03分钟(标准差=1:03分钟)。大脑和颅内动脉的中位Dice评分为0.99(四分位距[IQR]=0.99–1),颅外动脉为0.94(IQR=0.92–0.95)。
聚焦视图CTA上解剖结构的可见性
主动脉弓、锁骨下动脉、颈总动脉、颈内动脉C1、C6和C7段、椎动脉V4段、基底动脉、包括小脑动脉在内的小脑、包括大脑动脉在内的大脑以及硬脑膜静脉窦的中位评分均为4。颈内动脉C2至C5段和椎动脉V1至V3段的中位评分在3至2之间(表3)。所有病例中均完全消除了未请求的解剖背景信息。阅片者间一致性为中等(κ=0.5)。代表性示例见图2和图3,以及相应的补充视频文件1和2。此外,图4和图5显示了两个(特写)局灶性血管显示不完整的示例。
与未修改CTA的比较
在未修改CTA上,所有解剖结构的中位评分均为5,显著高于聚焦视图CTA(p<0.0001)(表3)。
讨论
本研究结果表明,所开发的深度学习算法能够分割并选择性显示从主动脉弓到颅顶的感兴趣结构,这些结构对急性缺血性卒中患者的CTA评估具有重要意义,同时消除未被要求的解剖背景信息。总体而言,在聚焦视野CTA下,主动脉弓、锁骨下动脉、颈内动脉近端和远端(C1、C6和C7段)、椎动脉远端(V4段)、基底动脉及颅内结构(包括动脉和硬脑膜静脉窦)均获得了令人满意的显示。然而,颈内动脉中段(C2至C5段)以及椎动脉近端和中段(V1至V3段)的分割通常被评定为诊断充分性勉强至诊断不充分。这可能与这些动脉管径相对较小、走行常较迂曲以及在这些位置与骨骼(椎骨和颅底,其HU值接近强化动脉的HU值)紧密相邻有关。未来的技术工作应致力于改善颈内动脉C2至C5段和椎动脉V1至V3段的显示。这可能不仅需要通过更多病例训练算法来实现,或许更需要通过自动去骨和血管追踪等方法使算法更加精细化[12–15]。然而,当前算法的这一局限性可被视为次要的,因为绝大多数可治疗的LVO位于其他部位,即通常位于大脑中动脉M1和M2段、颈内动脉分叉为大脑中动脉的T形交界处、颈内动脉C1段(尽管病变可能向更远端延伸)以及基底动脉,这些部位在聚焦视野CTA下均显示良好。一个潜在的例外是颈内动脉岩骨段(C2)的孤立性夹层[16],当前聚焦视野CTA算法可能会遗漏该病变。
从未经修改的CTA转换为聚焦视野CTA平均仅需2分钟,但通过若干技术优化(如批处理和量化),转换时间可进一步缩短以尽量减少任何诊断延迟。此外,更大的训练数据集的可用性可能减少对深度学习预测进行集成(ensembling)的需求,并可将转换时间最多缩短五倍。用于训练和生成分割的所有代码(放射科医师进行分割所需时间超过200小时)已在以下代码库中公开:https://github.com/0xC4/focused-view(注意:该代码库将在本文发表后开放)。这使研究人员能够进一步开发聚焦视野CTA方法。
聚焦视野CTA一旦针对临床使用进行优化,可能有多种应用。首先,它可以加快大血管闭塞(LVO)检测的图像判读时间。其次,聚焦视野CTA扫描中被消除的未请求解剖背景信息可以通过几种方式处理。在值班时段人员相对不足的繁忙医疗机构中,完整、未经修改的CTA检查或许可以在时间不那么紧迫的稍后时刻用于审查颅外和血管外发现。另一方面,聚焦视野CTA可能潜在用于研究偶然发现的临床相关性。这或许可以通过未来的前瞻性长期随访研究来实现,其中急性缺血性卒中患者被随机分配接受未经修改的CTA或接受聚焦视野CTA。未经修改的CTA可能检测到视野内可能需要采取行动的偶然发现,而聚焦视野CTA可能使原生视野内的许多偶然发现被有意对任何人隐藏,并追踪其自然临床过程。进行此类研究是否可行(例如,就伦理审查委员会批准、患者参与和知情同意以及足够的随访时间而言)需要进一步研究。自25多年前螺旋和多排探测器CT问世以来,CTA已逐渐演变为一种被接受的微创且成本较低的导管血管造影替代方法[17]。既往研究已证明从CTA数据中去除骨骼以改善邻近骨骼动脉评估的可行性[12, 13]。其他技术,包括深度学习模型,已被报道可选择性地可视化颅内动脉[6, 18–20]。然而,这些技术排除了脑实质,并且不包括直至主动脉弓的颅外动脉。尽管如此,应当注意,仅出于检测颅内动脉血栓的目的,在CTA上不必可视化脑实质。然而,平扫CT和CT灌注通常也是CT卒中方案的一部分,用于CTA的同一掩膜或许也可以应用于平扫CT和CT灌注扫描(在这些扫描中脑实质的可视化至关重要),从工作流程的角度来看这可能更容易。除去骨和颅内动脉分割外,尚未有关于如何在CTA上选择性地仅可视化主动脉弓和颅顶之间与急性缺血性卒中评估相关的那些解剖结构的其他方法的报道。
本研究存在一些局限性。第一,评估测试病例的神经放射科医师此前从未见过任何聚焦视野CTA图像。那位同时评估聚焦视野和未修改CTA扫描的神经放射科医师在审阅了聚焦视野和未修改CTA扫描的整个数据集后意识到,她对聚焦视野CTA中相关解剖结构可见性的评分通常低于实际情况。缺乏聚焦视野CTA的经验也可能部分解释了读者间一致性中等的原因。第二,本研究侧重于技术性能。未评估聚焦视野CTA检测大血管闭塞(LVO)的诊断性能、其对工作流程和速度的影响以及对患者结局的影响。省略未请求的解剖背景信息和偶然影像学发现对患者管理和结局的影响同样未予评估。第三,用于评估的数据集相对较小,且仅包含在单一中心单一扫描仪上扫描的患者,这可能限制了我们模型的普适性。
总之,聚焦视野CTA在卒中相关动脉的选择性可视化方面显示出前景,最终可能用于急性缺血性卒中的评估。进一步的技术改进应特别侧重于更准确地显示靠近骨骼的较小且迂曲的颈内动脉和椎动脉节段。
补充信息
以下是电子补充材料的链接。补充文件1(PDF 395 kb)
补充文件2(MP4 4657 kb)
补充文件3(MP4 4957 kb)
引用
- Roest C, Kloet RW, Lamers MJ, et al. Focused view CT angiography for selective visualization of stroke related arteries: technical feasibility. Eur Radiol. 2023. PMID: 37438639. doi:10.1007/s00330-023-09904-6
- 全文:PMC10667412(PMC 开放获取,CC BY)https://pmc.ncbi.nlm.nih.gov/articles/PMC10667412/
供执业医师工作参考,不替代临床判断;数值与分级以指南原文为准。