文献速递胸部CT

机器学习逐层全肺CT肺气肿评分与气道阻塞相关

Machine learning slice-wise whole-lung CT emphysema score correlates with airway obstruction.
PubMed 文献 · Eur Radiol · 2023-08-08

本研究基于卷积神经网络开发了逐层全肺CT肺气肿评分(SWES),并在SCAPIS前瞻性横断面研究的474例受试者中验证。SWES与放射科医生视觉评分相关性(r=0.78)优于LAV950(r=0.41),预测气道阻塞的AUC(0.76)也高于LAV950(0.61)和视觉评分(0.62)。

要点

  • SWES与视觉评分相关性(r=0.78)显著优于LAV950(r=0.41,p<0.001)。
  • SWES预测气道阻塞(FEV1/FVC<0.7)的AUC为0.76,高于LAV950的0.61(p=0.007)。
  • SWES与FEV1/FVC相关性在全队列(r=-0.69)、肺气肿队列(r=-0.77)和随机样本(r=-0.39)中均强于LAV950和视觉评分。

核心结论

  • 逐层全肺肺气肿评分(SWES)与放射科医生视觉肺气肿评分的相关性优于LAV950。
  • SWES与气道阻塞的相关性优于LAV950和放射科医生视觉评分。

研究设计与样本

  • 研究为算法开发与外部验证,开发数据来自SCAPIS Pilot队列,外部验证使用SCAPIS哥德堡主队列中474例受试者的薄层CT。
  • 验证队列包括395例随机选择和79例来自肺气肿队列的受试者,无重叠。
  • 参考标准为支气管舒张后FEV1/FVC和放射科医生视觉肺气肿评分(sum-visual,0–18分)。
  • 所有图像均使用Siemens Somatom Definition Flash CT采集,验证队列重建为0.75 mm/0.6 mm层厚/间隔,B20f滤波。

关键影像表现/征象

  • 肺气肿在CT上表现为低密度区,SWES可逐层量化全肺肺气肿。
  • SWES与sum-visual视觉评分显著相关(r=0.78),LAV950与sum-visual相关性弱(r=0.41)。
  • 在随机队列中,SWES预测显著视觉肺气肿(sum-visual>2)的AUC为0.85(95%CI 0.74–0.96),LAV950的AUC为0.49(95%CI 0.29–0.70)。

诊断标准与关键数值

  • 显著视觉肺气肿定义为sum-visual评分>2,即超过两个区域有轻度肺气肿或超过一个区域有中度肺气肿。
  • 气道阻塞定义为FEV1/FVC<0.7(GOLD标准)。
  • SWES预测气道阻塞的AUC为0.76(95%CI 0.67–0.85),LAV950为0.61(95%CI 0.50–0.72),sum-visual为0.62(95%CI 0.54–0.70)。
  • SWES与FEV1/FVC的相关系数在全队列为r=-0.69,肺气肿队列为r=-0.77,随机样本为r=-0.39。

临床应用与阅片要点

  • SWES可提供避免阈值法缺点的定量肺气肿信息,尤其适用于大规模研究。
  • SWES的幅度高度依赖于重建参数,不能直接比较不同设置下的结果。
  • 用于常规临床或其他图像参数时,需要额外训练以均衡输出。

局限性

  • SWES的幅度与LAV950类似,高度依赖于重建参数,不能直接比较不同设置下的结果。
  • 用于常规临床或其他图像参数时,需要额外训练以均衡输出。
  • 算法检测的具体图像特征未知。
  • 未评估气道增厚这一COPD主要成分。
  • SWES量表基于放射科医生标注的序数数据,是任意的且无固定参考,使评分解释更困难。
全文中译19 节 · 点击展开
本译文由 AI 依据开放获取原文逐段翻译,供学习参考,可能存在误差,请以原文为准。原文 © 原作者,按 CC BY 许可使用,本译文为翻译改编。出处:Eur Radiol. 2023 Aug 8;34(1):39–49. doi: 10.1007/s00330-023-09985-3

引言

慢性阻塞性肺疾病(COPD)是全球第三大死亡原因[1]。主要症状为气短、劳力性呼吸困难和咳嗽。COPD主要由吸烟引起,吸烟诱导细支气管炎和肺气肿的不同组合,导致慢性气流受限。慢性支气管炎,即咳痰性咳嗽,也可能存在。

肺气肿的特征是肺泡壁破坏,伴气体交换受损和肺过度充气,在胸部CT图像上可表现为低密度区域[2]。COPD不可逆,应尽早诊断以预防进展。诊断通过肺量计检查(肺功能检查,PFT)确认,显示慢性气道阻塞且经支气管扩张剂或其他治疗不能恢复正常[3]。

计算机断层扫描是肺气肿可视化的首选模态。肺气肿的范围可由放射科医师估计,但定量图像信息是可取的,例如作为临床试验的结局指标[4, 5]。定量和视觉CT图像评分可为PFT增加信息,并有助于预测COPD的发病率和死亡率,独立于PFT结果[6–10]。

瑞典心肺生物影像研究(SCAPIS)是一项多中心横断面研究,包括对超过30,000名个体的胸部CT扫描和肺量计检查。SCAPIS的目的是预测和预防心血管疾病和COPD[11]。CT评估中的观察者间变异是临床试验中众所周知的挑战[12]。对于多中心试验,如SCAPIS,核心实验室的无偏分析工具可减少观察者间变异。

肺部低衰减像素的比例,即低于− 950 HU的低衰减容积(LAV950),是COPD和吸烟队列中常用的定量CT肺气肿指标[6, 7, 13–16]。然而,LAV950在横断面队列中与视觉肺气肿评分的相关性较弱[17]。此外,即使在包含LAV950的预测模型中,视觉肺气肿评分仍是显著的预测因子,提示LAV950仅捕获了部分CT图像信息[8]。

在本研究中,我们旨在创建一种精细的、独立于读者的定量CT图像肺气肿指标,用于测量放射科医师所识别的肺气肿。利用机器学习和详细的放射科医师肺气肿标注,我们引入逐层全肺CT肺气肿评分(SWES),以将视觉评分的预测价值与定量CT的客观评估相结合。

本研究的目的为:(a)开发一种用于肺部CT的机器学习SWES方法;(b)在未见过的CT数据上以放射科医师肺气肿评分对该方法进行外部验证,检验假设为SWES与放射科医师评分的相关性优于LAV950;(c)比较SWES方法、商业化LAV950应用程序与视觉肺气肿评分分别与PFT的相关性。

材料与方法

瑞典伦理审查机构批准了该研究方案。在纳入时获得了书面知情同意。SCAPIS从2013年至2018年前瞻性纳入了瑞典六所大学医院(包括哥德堡)的30,154名参与者。一项试点研究SCAPIS Pilot于2012年招募了1111名参与者[17]。在本研究中,开发数据来源于SCAPIS Pilot,而外部验证则在SCAPIS哥德堡主队列的数据上进行。纳入流程见图1。

在本研究中,使用临床术语,将外部验证定义为将机器学习方法应用于未见过的CT数据。机器学习术语“测试集”仅用于算法开发期间使用的有限测试集。

图1 纳入流程图。a 开发队列。仅选择匹配对照组中的六例,以避免加剧区域肺气肿评分本已偏斜的分布。b 总验证队列(n = 474)由随机队列(n = 395)和肺气肿队列(n = 79)组成。LAV950,低衰减容积 − 950 HU;PFT,肺功能检查 查看原图 ↗

图像数据

图像数据为薄层平扫CT图像堆栈,在深吸气末采集肺部,每次检查约500层图像。所有图像均在Siemens Somatom Definition Flash CT系统上采集。开发队列和验证队列的采集参数相同:120 kVp,CARE剂量质量参考mAs 25,螺距0.9,旋转时间0.5 s,参考患者CTDI 1.7 mGy。

在开发队列(图1a)中,102个CT图像堆栈重建为0.6-mm/0.6-mm(层厚/增量)层厚。重建滤波器为中等平滑软组织滤波反投影算法B31f(n = 42),或中等平滑软组织迭代重建(SAFIRE)强度2/5(I31f2,n = 12)或强度3/5(I31f3,n = 48)。

在验证队列(图1b)中,所有图像均使用平滑软组织滤波反投影算法B20f重建为0.75-mm/0.6-mm(层厚/增量)层厚。

算法开发

详细的逐层标注

机器学习肺气肿预测模型仅使用来自SCAPIS Pilot队列的薄层数据进行开发。

详细的逐层肺气肿标注通过三步流程获得,第一步(26名阅片者)和第三步(16名阅片者)涉及多名阅片者(见补充图S1–S3)。在第一步中,按照先前描述的方法[18],将每侧肺的每厘米按4度肺气肿量表进行分类。第二步包括对4度标注进行z方向中值滤波,第三步为精细化算法,将肺气肿标签的粒度从4度量表提高到10度(详见附录A)。

机器学习逐层肺气肿评分(SWES)方法

开发队列中的10度标注用于开发基于卷积神经网络(CNN)和线性回归器的机器学习方法。该方法处理胸部CT扫描,分别输出每一层和每一侧肺的结果。

对于每名患者,SWES构建为每侧肺和每层的平均肺气肿评分,并按分割肺面积加权(见图2)。

SWES 的扫描内重复性在 63 个 CT 序列的子集上进行分析,这些序列在 x–y、x–z 和 y–z 平面上同时随机旋转最多 ± 7.5°。计算了在原始图像体积和旋转图像体积中计算的 SWES 之间的 Bland–Altman 一致性界限。

图 2 逐层全肺气肿评分(SWES) 查看原图 ↗

神经网络和 CT 扫描预处理

神经网络在轴位 CT 图像上训练,预处理旨在将训练引导至气肿的肺纹理特征,并减少训练队列中包含少量晚期气肿示例的不平衡数据(补充图 S4)。对于预测,仅使用分割、对比度窗宽调整、裁剪和调整大小。预处理细节见附录 B。

采用 ResNet-18 架构,最终线性层作为单个神经元预测该层面的气肿评分 [19]。在开发队列的 102 个 CT 序列中,82 个用于训练/验证,20 个留出用于测试。在测试数据上计算分箱准确率,其中结果指标为预测值在层面气肿标注 ± 1.5 范围内的比例。

回归网络在训练集上通过过采样进行优化,以部分补偿标签不平衡(见补充表 S1)。优化使用反向传播和默认参数的 Adam 算法进行。损失函数为均方误差和平均绝对误差之和,按过采样训练数据集中标签比例的倒数加权,以平衡稀有标签。

模型在每个 epoch 进行评估,最终模型选择为显示最低验证损失的模型,旨在选择对未见数据拟合最佳的模型。模型使用不同的随机种子训练五次以评估稳定性。每次,ResNet-18 训练 75 个 epoch,批量大小为 32,学习率为 0.001,每个 epoch 以 0.95 的幂指数衰减。网络参数使用权重为 10−6 的 L2 惩罚进行正则化。

逐层预测的源代码作为补充材料提供。

验证参考指标

主要 Gothenburg SCAPIS 队列用于验证,使用电子病例报告表(eCRF)视觉气肿评分和 PFT 进行比较。验证数据均未用于算法开发或训练。验证数据由 SCAPIS 提供的两个队列组成:395 例随机选择的病例,以及根据 eCRF 视觉评分选择的 79 例气肿病例(见图 1b)。两个队列之间无重叠。

肺功能检查

每位 SCAPIS 参与者在吸入 400 µg 沙丁胺醇 15 分钟后使用动态肺量计进行测试 [11]。支气管舒张剂后第 1 秒用力呼气容积(FEV1)除以用力肺活量(FEV1/FVC)比值低于 0.7 确认与 COPD 兼容的慢性气道阻塞 [3],且 FEV1/FVC 也是与 LAV950 和视觉气肿评分相关性最强的 PFT 参数 [14, 20]。因此选择其作为验证参考。在数据可用的参与者中,还使用了与支气管舒张剂后一氧化碳弥散系数占预测值百分比(DLcoPred%)的相关性 [11],

视觉评分

在SCAPIS纳入时,使用Syngo.Via(Siemens Healthineers)薄层工作站对每侧肺的三个区域进行 review:上部、中部和下部。在每个区域,肺气肿按4分制分级:无、轻度、中度或重度[17]。在本研究中,每个区域的eCRF肺气肿评分编码为0–3,所有区域的编码总和用作患者评分0–18(sum-visual评分)。

显著的视觉肺气肿定义为sum-visual评分> 2,对应于超过两个区域有轻度肺气肿或超过一个区域有中度肺气肿。

LAV950

LAV950使用AI-Rad Companion Chest CT(Siemens Healthineers)评估。LAV950分析基于阈值;该算法确定肺中所有低于− 950 Hounsfield单位(HU)的体素的比例。该分析使用全自动工作流程进行,无需任何手动调整。自动结果通过SWES算法中的分割进行验证(见附录C)。

统计学

使用SWES与sum-visual之间的Pearson相关系数评估SWES是否测量放射科医生识别的肺气肿,并使用Meng检验比较依赖相关系数,以检验SWES相较于LAV950相关性更强的假设[21]。

SWES、LAV950和sum-visual评分分别与随机(n = 395)、肺气肿(n = 79)和总验证(n = 474)队列中的FEV1/FVC和DLcoPred%进行相关性分析。使用Meng检验比较Pearson相关系数。

使用受试者工作特征统计量评估SWES和LAV950对显著视觉肺气肿和气道阻塞的预测,气道阻塞按GOLD COPD标准定义(FEV1/FVC < 0.7)。使用DeLong检验比较ROC曲线,并通过bootstrapping获得95% CI。

统计使用Matlab R2020a(The Mathworks)和STATA 17.0(StataCorp LLC)计算。

结果

基线特征

纳入参与者的基线特征见表1。开发队列和验证队列在PFT以及CT肺气肿指标(SWES、LAV950和sum-visual)方面不同。此外,开发队列与验证队列使用的重建参数不同。

表1 基线特征和成像参数 查看原表 ↗

算法开发

开发队列中10度尺度的逐层预测在未用于训练的20个CT堆栈的未见测试集上保持稳定。该模型在训练-验证集上的重复实验中达到逐层平均分箱准确度± 1.5为83.7%,在保留测试集上为82.5%。

比较原始和随机旋转CT扫描上的SWES的扫描内重复性显示一致性界限较窄,为0.06 ± 0.11。

针对视觉肺气肿的验证

在总验证队列中,SWES与sum-visual区域评分强相关,而LAV950弱相关(r = 0.78 vs. r = 0.41,差异p < 0.001)(见图3)。强相关性表明SWES测量放射科医生识别的肺气肿。图4显示随机选择的切片中肺气肿逐渐增加,切片评分分布在0到10之间。

在随机队列中,SWES 是显著性肺气肿(视觉评分总和 > 2)的极佳预测因子,其曲线下面积为 0.85(95% 置信区间(CI)0.74–0.96),而 LAV950 无法区分有和无显著性肺气肿的病例(AUC 0.49(95% CI 0.29–0.70))(差异 p < 0.001)(见图 5a)。

图 3 (a)逐层全肺肺气肿评分(SWES)和(b)低于 − 950 HU 的低衰减容积(LAV950)与视觉区域肺气肿评分总和的对比。实线/虚线——回归线及 95% 置信边界 查看原图 ↗
图 4 验证数据集中逐层预测的示例。切片和侧别从多名参与者中随机选取,以获得评分在 0 至 10 之间均匀分布的示例。插入的数字显示所示肺的逐层肺气肿评分。所有图像均以窗位/窗宽 − 500/1200 HU 显示 查看原图 ↗
图 5 ROC 曲线。a 显著性视觉肺气肿的预测,定义为视觉评分总和 > 2。SWES 的 AUC 高于 LAV950 的 AUC(p < 0.001)。b 气道阻塞的预测,定义为 FEV1/FVC < 0.7。SWES 的 AUC 高于 LAV950(p = 0.007)和视觉评分总和(p = 004)。SWES,逐层全肺肺气肿评分;LAV950,低于 − 950 HU 的低衰减容积 查看原图 ↗

与肺功能检查的相关性及与 LAV950 和视觉评分总和的比较

气道阻塞

在全队列中与气道阻塞(FEV1/FVC)呈强负相关(r = − 0.69,p < 0.001)。SWES、视觉评分总和及 LAV950 与 FEV1/FVC 之间的相关性,以及使用 Meng 检验进行的成对比较见表 2。在所有队列中,SWES 与 FEV1/FVC 之间的相关性显著强于 LAV950 与 FEV1/FVC 或视觉评分总和与 FEV1/FVC 之间的相关性。说明相关性的散点图见图 6。

SWES 对气道阻塞(定义为 FEV1/FVC < 0.7)的预测优于 LAV950(p = 0.007)或视觉评分总和(p = 0.004)。在随机队列中,SWES、LAV950 和视觉评分总和预测 GOLD 标准的 COPD(FEV1/FVC < 0.7)的 AUC 分别为 0.76(95% CI 0.67–0.85)、0.61(95% CI 0.50–0.72)和 0.62(95% CI 0.54–0.70)(见图 5b)。

表 2 使用 Meng 检验对与气道阻塞相关性的成对比较 查看原表 ↗
图 6 显示随机、肺气肿和总队列中与肺功能检查相关性的散点图。(a–c)逐层全肺肺气肿评分(SWES)。(d–f)低于 − 950 HU 的低衰减容积(LAV950)。(g–i)视觉评分总和。所有相关性均具有统计学意义,p < 0.001 查看原图 ↗

弥散功能

DLcoPred% 在肺气肿队列和随机队列中分别有 61 名和 328 名参与者可获得(见表 3)。在肺气肿队列中,SWES、视觉评分总和和 LAV950 与 DLcoPred% 相关(分别为 r = − 0.74、r = − 0.74 和 r = − 0.52,各项 p < 0.001)。在肺气肿频率较低的随机队列中,SWES 和视觉评分总和与 DLcoPrc 弱相关(分别为 r = − 0.21,p < 0.001 和 r = − 0.20,p < 0.001),而 LAV950 与 DLcoPrc 无相关性(r = 0.06,p = 0.27)。

在所有验证队列中,SWES 与 DLcoPred% 的相关性显著强于 LAV950(Meng 检验 p < 0.001)。与视觉评分总和相比,所有队列中的相关性大致相等(所有 p > 0.05)。

表 3 使用 Meng 检验对与以预测值百分比表示的弥散功能相关性的成对比较 查看原表 ↗

讨论

本研究开发了一种逐层全肺CT肺气肿评分,以获得一种适用于基于人群的大型队列的肺气肿快速识别方法。我们将SWES与定量CT及区域视觉肺气肿评分之和进行了比较。与LAV950相比,SWES对读者视觉评分的近似程度显著更好,并且与肺功能检查的相关性显著强于视觉评分之和或LAV950。

肺气肿在CT成像中表现为低密度区域,是COPD死亡率和发病率的重要预测因素,独立于肺功能[2, 6–8]。近几十年来,肺气肿定量CT指标的发展与尤其是在研究和临床试验中将CT成像的附加价值纳入COPD模型的尝试相平行[4–8]。

基于阈值的肺气肿评分(如LAV950)是肺气肿的合理定量指标,尤其是在疾病进展期队列中[6–8, 10, 22]。然而,在横断面队列中,有和无视觉肺气肿的受试者之间LAV950存在相当大的重叠[17]。此外,读者的视觉肺气肿评估已被证明可提供额外的预测价值,即使在包含阈值化的模型中也是如此[8]。

LAV950的输出指标——低衰减容积分数——具有吸引力,因为它可被解释为受肺气肿影响的肺实质比例。然而,在弥漫分布的肺部疾病中,CT图像上健康和受累肺实质之间通常没有明确的截断值[23],仅基于衰减的勾画过于简化。例如,低密度像素可因空气潴留、肺过度充气和图像噪声而出现,这些现象可由有经验的读者与肺气肿相区分。

肺气肿勾画的困难也使得3D CNN架构(在计算上对于薄层CT数据是合理的)难以以详细的视觉评分作为金标准来应用。3D CNN可基于整体评分(如PFT)应用[22],但真正代表视觉肺气肿的细粒度整体评分比逐层评分更难获得。相反,为解决肺气肿的连续性方面,我们开发了SWES,作为逐层基础上每侧肺的聚合评分。质量标注的获取是放射学中监督机器学习的一个挑战[24]。通过大量训练有素的读者进行多次图像比较和近似排序,得以创建详细的训练数据。

我们呈现两项主要结果:第一,SWES是放射科医生评估的良好近似,表明该算法测量了放射科医生所识别的肺气肿。第二,SWES对慢性气道阻塞的预测优于读者视觉评分或LAV950。此外,与弥散功能降低的相关性较LAV950更强,与视觉评分相当。在随机队列中LAV950与DLcoPred%之间缺乏相关性,可能是由于有和无肺气肿的参与者之间LAV950存在重叠,以及随机队列中重度肺气肿参与者数量较少所致。

预测与COPD相容的阻塞的改善性能可能由SWES更高的 granularity(粒度)以及视觉评分中不可避免的观察者间差异的缺失来解释[17, 25, 26]。读者在每侧肺的三个区域以4分制评估肺气肿范围,而SWES是对每侧肺每个0.6-mm层厚的连续聚合评分,使用10分制训练数据。与LAV950相比性能改善表明,计数低衰减像素并未收集到CT图像中肺气肿的完整信息[8, 17]。

大多数先前使用深度学习检测胸部CT图像中肺气肿的研究使用了COPD频率高的吸烟队列[22, 27–29]。鉴于本研究的目的,一个重要的特征是肺气肿频率低的横断面测试队列。与Singla等人的研究比较说明了气道阻塞与视觉肺气肿评分之间的关联[22]。Singla等人使用PFT结果作为图像标签并表明机器学习方法也能预测视觉肺气肿,而我们采取相反的方法,使用视觉肺气肿标签并表明我们也能预测生理性气道阻塞[22]。

局限性

结果表明,该算法在来自主要SCAPIS研究的验证队列中在固定成像参数下表现良好,尽管训练数据集中的重建参数不同。然而,如表1中所见的幅度差异表明,与LAV950类似,SWES的幅度高度依赖于重建参数,不能在不同设置下直接比较。对于常规临床使用或其他图像参数,需要额外训练以均衡输出,但所展示的聚合视觉逐层评分原则是有效的。

尽管我们证明SWES与视觉肺气肿评分相关,但算法检测的具体图像特征尚不清楚。气道增厚作为COPD的另一主要组成部分,未被评估。CT中所见的气道受累也具有临床预测价值[30, 31],应纳入未来工作。

SWES量表是使用放射科医生注释的序数数据开发的,是任意的且没有固定参考,这使得评分解释更加困难。肺气肿类型可能增加预测价值,本研究未评估,但可通过进一步发展进行评估。

总之,SWES是一种用于CT成像的定量肺气肿评分,避免了基于阈值评分的缺点,并且与参考测试的相关性强于LAV950和视觉评分。聚合逐层肺气肿定量特别适合大规模横断面CT多中心图像队列中的肺研究使用。

补充信息

以下是电子补充材料的链接。补充文件1(PDF 1.02 MB)

补充文件2(ZIP 31 KB)

引用

  1. Lidén M, Spahr A, Hjelmgren O, et al. Machine learning slice-wise whole-lung CT emphysema score correlates with airway obstruction. Eur Radiol. 2023. PMID: 37552259. doi:10.1007/s00330-023-09985-3
  2. 全文:PMC10791709(PMC 开放获取,CC BY)https://pmc.ncbi.nlm.nih.gov/articles/PMC10791709/

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。