基于深度学习在常规剂量与降低剂量体部CT上分割淋巴结的分析
该回顾性研究在151例患者共15341枚淋巴结的公共CT数据集上训练并验证两种3D nnU-Net模型,比较常规剂量与模拟降低剂量CT下的淋巴结检测和分割性能。常规剂量下增强训练模型检测敏感度84.6%、精确率67.3%,全淋巴结DSC为0.83±0.07;剂量降至5%时敏感度降至73.8%、DSC降至0.75,图像质量下降影响淋巴结勾画,联合常规与降低剂量训练可改善性能。
要点
- 常规剂量CT上增强训练模型检测全部淋巴结的精确率为67.3%、敏感度为84.6%,全淋巴结DSC为0.83±0.07。
- 剂量降至5%时检测敏感度降至73.8%、DSC降至0.75,图像质量下降影响淋巴结勾画。
- 外部TCIA纵隔LNQ数据集上增强训练模型全淋巴结DSC为0.76±0.12,HD为4.7±3.23(p<0.01)。
核心结论
- 图像质量下降影响降低剂量CT上的淋巴结勾画,使用同时基于常规剂量与降低剂量CT训练的模型性能有所改善。
研究设计与样本
- 回顾性研究,使用两个公共TCIA数据集:NIH CT淋巴结数据集151例患者(年龄52±14岁,87例男性)共15341枚淋巴结,以及纵隔淋巴结定量(LNQ)数据集120例患者(64例女性)。
- 90例CT用于训练(87例胸腹盆、1例胸腹、1例腹盆、1例胸部),61例CT用于验证(56例胸腹盆、5例腹盆)。
- 比较两个3D nnU-Net模型:仅用常规剂量CT训练的NoAugmentation模型,以及用常规剂量与75%、50%、25%、10%、5%剂量模拟降低剂量CT共同训练的Augmentation模型。
- 参考标准由两名30年以上经验的放射科医师和四名2年以上经验的住院医师标注;SAD≥8 mm定义为大淋巴结,SAD≥3 mm且<8 mm定义为小淋巴结,SAD<3 mm不纳入。
关键影像表现/征象
- 常规剂量CT上NoAugmentation模型检测全部大小淋巴结的精确率70.7%、敏感度83.8%、F1分数76.8%。
- 5%剂量时NoAugmentation模型漏检1951枚淋巴结(约占全部淋巴结的40%),假阳性从常规剂量的1692枚降至766枚。
- 5%剂量时Augmentation模型漏检1278枚淋巴结(约占全部淋巴结的26%,NoAugmentation模型约40%),但精确率降至75%。
- 常规剂量CT上NoAugmentation模型全淋巴结DSC为0.82±0.08、HD为1.54±0.94 mm,大淋巴结DSC为0.79±0.15、HD为3.36±2.69 mm,小淋巴结DSC为0.82±0.08、HD为1.17±0.49 mm。
- 外部LNQ数据集上Augmentation模型全淋巴结DSC为0.76±0.12(p<0.001),大淋巴结DSC为0.83±0.12(p<0.001),小淋巴结DSC为0.67±0.21(p<0.01)。
诊断标准与关键数值
- 常规剂量CT上Augmentation模型检测全部淋巴结的精确率67.3%、敏感度84.6%、F1分数74.9%。
- 常规剂量CT上Augmentation模型全淋巴结DSC为0.83±0.07、HD为1.47±0.91 mm,大淋巴结DSC为0.80±0.14、HD为3.2±2.28 mm。
- 5%剂量时Augmentation模型检测敏感度73.8%、DSC为0.75。
- 外部LNQ数据集上Augmentation模型全淋巴结HD为4.7±3.23(p<0.01)。
局限性
- 测试数据子集由两名30年以上经验的放射科医师完全验证,61例CT约耗时2个月;训练数据集由四名住院医师标注,约耗时3个月。
- 标注高度依赖放射科医师的专业知识,且难以大规模生成(>10000例患者),因为在体部CT上识别和标注超过100枚淋巴结十分繁琐。
- 标注可能存在观察者间差异,由于标注和验证工作繁琐,无法大规模评估。
- 模拟降低剂量CT的技术人为引入噪声,可能无法始终完全或真实地复现降低剂量图像采集的所有方面,例如诊断性降低剂量CT上对比剂动力学的变化,或PET/CT上完全省略对比剂和安静呼吸(而非屏气)采集。
- 本研究仅使用了一个3D全分辨率nnU-Net,未对模型进行修改。
全文中译12 节 · 点击展开
引言
淋巴系统由淋巴结(LNs)和淋巴管组成,在机体免疫系统中发挥重要作用。淋巴结增大(淋巴结病)可能是多种病理状况的指标,包括感染或转移。疾病管理在很大程度上依赖于良性与恶性淋巴结的区分[1, 2]。根据肿瘤-淋巴结-转移(TNM)分期系统,放射科医师使用淋巴结大小、特征以及区域淋巴结(N)和转移性淋巴结(M)播散的预期模式来评估可疑淋巴结[3]。淋巴结测量两个直径:长轴直径(LAD)和短轴直径(SAD)。在当前临床实践中,共识指南推荐在一个轴位层面上使用SAD进行淋巴结测量,以尽量减少测量误差[4, 5]。然而,用于淋巴瘤评估的Lugano标准使用LAD和SAD的乘积[6]。良性淋巴结通常SAD < 10 mm,边缘光滑,密度均匀,并含有中央脂肪门。相反,可疑淋巴结SAD大于或等于10 mm,边缘不规则,密度不均匀,且脂肪门表现消失[1, 3–5, 7]。目前,淋巴结大小测量是解剖影像学上判断淋巴结受累的最重要标准[4, 5]。小淋巴结中的异常活性也可见于PET或SPECT功能成像,并且在某些区域(如头颈部、盆腔)对于某些癌症(如前列腺癌)它们常为恶性[8–10]。
横断面成像技术,如CT和MR,已成为显示淋巴结的标准方法[7, 11, 12]。由于其空间分辨率,CT在淋巴结显示方面优于MR[12],首选120 kV、门静脉期CT(静脉注射对比剂后50–60秒)和深吸气[13]。尽管如此,淋巴结在CT上表现多样,使得勾画具有挑战性且繁琐,同时在很大程度上依赖于放射科医师的专业知识。鉴于大小测量和将淋巴结单参数定性为恶性或良性的重要性,这一临床标准并不实用。此外,许多CT扫描是在未使用静脉对比剂或降低剂量的情况下进行的。例如,在PET成像中,以平静呼吸采集非增强降低剂量CT,以实现最佳的PET配准。专门从事核医学的放射科医师通常仅报告淋巴结活性而省略大小测量,因为其操作繁琐,这导致诊断上有价值的信息丢失。
虽然辐射是医学中的有力工具,但辐射暴露的风险与获益已成为越来越普遍的研究领域。2006年,据报道美国平均辐射暴露在20年间从3.6 mSv有效剂量增加到6.2 mSv[14, 15]。在此期间,医疗辐射暴露占所有暴露的比例从15%增加到48%,导致每人有效剂量增加3 mSv[15–17]。CT扫描占医疗暴露的49%,有效剂量为1.47 mSv[15]。例如,腹部和盆腔CT可使患者暴露于3至25 mSv的有效剂量[15, 18]。这对患有慢性疾病(如癌症)且因监测而接受反复影像学检查的患者构成潜在更高风险。虽然CT暴露一直在下降[19],但在降低辐射剂量设置下管理患者成像仍是一个优先事项。
最近一项研究[20]发现,在1–5年期间反复成像的中位累积有效剂量(CED)为130.3 mSv,最大CED为1185 mSv。如此高的辐射暴露与癌症发病率增加相关[20, 21]。因此,降低剂量的CT已成为越来越受欢迎的研究领域。然而,降低剂量会增加噪声,从而降低图像质量和诊断准确性。对于小结构,如淋巴结,这可能带来问题,尤其是当测量至关重要时。另一个未知因素是降低辐射剂量对用于勾画淋巴结(LN)的自动化工具的影响。
本研究的目的是评估基于全自动深度学习方法在CT上进行淋巴结分割的性能,并将其作为淋巴结大小和采集剂量水平的函数进行分析。确定图像质量下降对淋巴结检测和分割的影响,可以为减少剂量提供定量估计,从而更好地管理患者。
材料和方法
患者样本
这项回顾性研究使用了两个公开可用的癌症影像档案(TCIA)数据集:(1)NIH CT淋巴结数据集,包含176个对比增强CT容积[22, 23];(2)纵隔淋巴结定量(LNQ)数据集[24]。该研究符合《健康保险可携性和责任法案》,并获机构A的机构审查委员会批准。患者签署知情同意的要求被豁免。表1描述了患者特征和CT采集参数。补充表1和表2提供了两个数据集中不同患者疾病病因的完整描述。图1使用诊断准确性报告标准(STARD)流程图总结了数据收集过程。
补充表1描述了公开TCIA NIH CT淋巴结数据集中患者的各种疾病病因。简言之,患者因各种疾病病因出现淋巴结病,如黑色素瘤、慢性淋巴细胞白血病(CLL)、淋巴瘤、间皮瘤、甲状腺癌、肺癌、胸腺癌、乳腺癌、食管癌、肝癌、胰腺癌、肾癌、结肠癌、卵巢癌等。识别并去除25个重复容积后,本研究共获得151个全剂量CT容积。其中,90个容积(文件名以“MED”开头)用于训练,包括87例胸部-腹部-盆腔扫描、1例胸部-腹部扫描、1例腹部-盆腔扫描和1例胸部扫描。其余61个容积(文件名以“ABD”开头)保留用于测试,包括56例胸部-腹部-盆腔扫描和5例腹部-盆腔扫描。
外部公开TCIA纵隔LNQ数据集包含513名患者,来自多家机构(马萨诸塞州总医院、丹娜-法伯癌症研究所、布莱根妇女医院)。393名患者提供了淋巴结的部分注释,而120名患者的所有纵隔淋巴结均被完整注释。本研究选择完整注释的数据子集进行分析。补充表2提供了该数据子集中不同患者疾病特征的完整详细信息。简言之,它包括非小细胞肺癌(NSCLC)、CLL、淋巴瘤以及各种其他癌症类型的患者。
参考标准
TCIA NIH CT淋巴结数据集为被认为增大且具有临床意义(短轴直径(SAD)≥ 10 mm)的淋巴结提供了分割掩膜[22, 23]。然而,经全面审查后发现,该数据集中有数个SAD ≥ 10 mm的淋巴结未被标注。此外,许多情况下标注的是肿块而非淋巴结。
为获得可靠的参考标准,招募了两名委员会认证的放射科医师(经验 > 30年)和四名放射科住院医师(经验 > 2年),在151个全剂量CT容积中识别所有大小的淋巴结。住院医师初步在90个全剂量CT中标注了8973个淋巴结(每个容积平均99个淋巴结)。61个CT的测试数据子集由两名委员会认证的放射科医师(经验 > 30年)完全核实。第一位放射科医师审查住院医师的标注,并确定被遗漏或标注错误的淋巴结中心点(三维坐标)。随后,一名研究员(经验 > 2年)手动校正标注。最后,第二位放射科医师独立审查第一位放射科医师确定的淋巴结及研究员所做的标注。若第二位放射科医师发现标注错误或任何遗漏的淋巴结,则标记其中心,并由同一研究员进行校正。例如,心包隐窝中错误标注被删除。资深放射科医师在61个容积中共识别了6368个淋巴结。
完整数据集包含15341个所有大小的淋巴结。为考虑放射科医师测量间的变异性,本工作将SAD ≥ 8 mm的淋巴结视为大淋巴结,将SAD ≥ 3 mm但小于8 mm的淋巴结视为小淋巴结。SAD < 3 mm的淋巴结未被纳入,因其具有临床意义的可能性较低。训练数据集包含2139个大淋巴结和5966个小淋巴结(868个SAD < 3 mm的淋巴结被忽略)。测试数据集包含800个大淋巴结和4078个小淋巴结(1490个SAD < 3 mm的淋巴结被忽略)。
低剂量CT的生成
低剂量CT使用先前验证过的图像域噪声添加工具进行模拟[25]。该工具通过估计和复制低剂量CT采集中所观察到的噪声幅度、纹理和非平稳特性,将合成噪声注入标准剂量CT中。具体而言,它对CT图像数据进行前投影,在正弦图域生成白噪声,基于图像特定的噪声功率谱进行滤波,随后进行反投影,并在将噪声添加到图像之前对其进行剂量依赖性缩放。使用低剂量CT的意图在于利用仅在全剂量CT上训练的三维淋巴结分割模型,并评估其在质量已退化的低剂量CT上的性能。图2展示了低剂量CT与原始全剂量相比质量退化的示例。
对于61个体部全剂量测试数据集中的每一个,分别在75%、50%、25%、10%和5%剂量设置下生成相应的5个减剂量CT。因此,包括全剂量CT在内,共有366个CT数据集可用于测试(每种剂量61个CT)。由于模拟减剂量CT时解剖结构未发生变化,全剂量CT的分割掩膜被直接转移至减剂量CT。
深度学习模型
图3显示了整体框架。使用90个全剂量CT训练的一个既往验证过的基于深度学习的3D模型[26]用于分割淋巴结(LN)。此后我们将该模型称为“无增强”(NoAugmentation)模型。该模型基于nnU-Net框架[27]构建,由于其在外多种任务(如CT和MRI多器官分割等)上的优越性能[27],nnU-Net框架被视为分割任务的事实标准[27]。它经常优于其他架构,例如基于Transformer的方法[28]。3D全分辨率nnU-Net模型分割29种不同结构,包括淋巴结和其他解剖结构(如肝脏、胰腺、骨骼)。由于淋巴结跨越主要器官,解剖先验被用于通过区分淋巴结与邻近其他结构来减少假阳性数量。在测试时,仅保留预测的淋巴结,其余28个类别被丢弃。
比较
另一个3D nnU-Net模型在包含全剂量和减剂量模拟数据的增强数据集上进行训练。增强数据集有540个CT数据集,包括全剂量CT以及在75%、50%、25%、10%和5%剂量设置下生成的减剂量CT(每种剂量90个CT)。此后我们将该模型称为“增强”(Augmentation)模型。将增强模型的性能与上述无增强模型进行比较。
统计分析
检测性能采用精确率(或阳性预测值)、灵敏度(或召回率)和F1分数(精确率与灵敏度的调和平均值)进行评估。分割性能采用Dice相似系数(DSC)和Hausdorff距离(HD)误差(单位:mm)进行量化。Dice分数衡量参考标注与预测之间的重叠程度,而HD误差估计两者之间的距离。较高的Dice分数和较低的HD误差表明性能良好。指标分为三组计算:(1)所有淋巴结,(2)短轴直径(SAD)≥ 8 mm的大淋巴结,(3)SAD ≥ 3 mm但小于8 mm的小淋巴结。不同剂量下的模型性能采用单因素重复测量方差分析(ANOVA)及多重比较校正(Bonferroni)的事后检验进行统计学评估(“anova_test”和“wilcox_test”函数,“rstatix”包,RStudio v. 2024.04.2 + 764)。p值 < 0.05视为具有统计学显著性。
结果
患者特征
TCIA NIH CT淋巴结数据集包含151例患者(年龄:52[均值] ± 14[标准差]岁;87例男性)。TCIA纵隔LNQ数据集包含120例患者(年龄:未知,64例女性)。
检测性能
表2总结了检测性能。对于TCIA NIH CT淋巴结数据集,在全剂量CT上,无增强(NoAugmentation)模型检测所有大小淋巴结的精确率为70.7%,灵敏度为83.8%,F1分数为76.8%。随着剂量降低,无增强模型的精确率升高,而灵敏度和F1分数下降。在5%剂量下,灵敏度和F1分数降至60.0%和68.3%,此时模型遗漏了1951个淋巴结(约占所有淋巴结的40%)。相反,5%剂量下假阳性数量降至766个,而全剂量下为1692个。检测淋巴结的精确率、灵敏度和F1分数在剂量降至25%以下之前均保持在75%以上。如补充图1所示,剂量与精确率(R2 = 0.98)、灵敏度(R2 = 0.95)和F1分数(R2 = 0.9)之间呈对数关系。
相比之下,增强(Augmentation)模型在全剂量下获得67.3%的精确率、84.6%的灵敏度和74.9%的F1分数。在较低剂量下,精确率升高而灵敏度和F1分数下降。然而,与无增强模型相比,该模型在10%和5%剂量下表现出更高的灵敏度和F1分数,淋巴结检测显著改善。在5%剂量下,该模型仅遗漏1278个淋巴结(约占所有淋巴结的26%,而无增强模型约为40%)。尽管灵敏度有所改善,但由于假阳性较多,增强模型在5%剂量下的精确率较低,为75%。
在TCIA纵隔LNQ数据集上,增强模型与无增强模型之间的性能差异小于2%。增强模型获得53.2%的精确率、81.6%的灵敏度和64.4%的F1分数,而无增强模型获得54.4%的精确率、80.4%的灵敏度和64.9%的F1分数。增强模型的灵敏度更高,假阴性更少。
分割性能
表3详细列出了两个数据集的分割性能,而图4展示了淋巴结分割的定性示例。对于TCIA NIH CT淋巴结数据集,图5分别显示了所有、大淋巴结和小淋巴结的Dice评分和HD误差分布。在全剂量CT上,无增强(NoAugmentation)模型分割所有淋巴结的DSC为0.82 ± 0.08,HD误差为1.54 ± 0.94 mm;大淋巴结的DSC为0.79 ± 0.15,HD误差为3.36 ± 2.69 mm;小淋巴结的DSC为0.82 ± 0.08,HD为1.17 ± 0.49 mm。
随着剂量降低,无增强(NoAugmentation)模型在所有三个大小组中的DSC均下降,与参考全剂量CT相比,分割性能观察到显著差异(所有大小:p < 0.01,大淋巴结:p < 0.05,小淋巴结:p < 0.05)。所有大小(p < 0.05)和大淋巴结(p < 0.05)的HD误差相应增加。小淋巴结呈现相似趋势,HD误差增加(p < 0.05),但全剂量与75%剂量之间除外(p > 0.05)。
与无增强(NoAugmentation)模型相比,增强(Augmentation)模型在所有大小的淋巴结上获得了更高的DSC和更低的HD误差。然而,仅在10%和5%剂量水平下,两个模型之间在所有淋巴结(p < 0.05)和小淋巴结(p < 0.05)中观察到显著差异。在所有剂量下,两个模型之间在大淋巴结中未见差异。将全剂量性能与其他剂量比较,增强(Augmentation)模型显示出显著差异(p < 0.05),但75%剂量除外(p > 0.05)。
对于TCIA纵隔LNQ数据集,图6分别显示了所有、大淋巴结和小淋巴结的Dice评分和HD误差分布。增强(Augmentation)模型观察到显著差异,其分割所有淋巴结的DSC为0.76 ± 0.12(p < 0.001),HD误差为4.7 ± 3.23 mm(p < 0.001);大淋巴结的DSC为0.83 ± 0.12(p < 0.001),HD误差为5.06 ± 2.24 mm(p < 0.001);小淋巴结的DSC为0.67 ± 0.21(p < 0.01),HD为3.94 ± 2.74 mm(p < 0.01)。
讨论
本研究量化了CT图像质量下降对CT上淋巴结识别和勾画的影响。使用两个3D nnU-Net模型在兩個TCIA数据集上确定淋巴结的分割性能。第一个模型(“NoAugmentation”)仅在全剂量CT扫描上训练,而第二个模型(“Augmentation”)在全剂量和降低剂量CT上训练。确定了两个模型对模拟降低剂量CT扫描和外部公共数据集(TCIA纵隔LNQ数据集)的泛化能力。
结果表明,两个模型在全剂量CT上表现良好,但随着剂量降低,其性能下降。NoAugmentation模型的检测灵敏度随剂量降低而下降,尤其是在低于25%剂量阈值时,反映了在降低剂量CT上识别小结构的预期挑战。观察到剂量与检测指标之间的对数关系,这表明NoAugmentation模型的性能以可量化的方式退化。相比之下,Augmentation模型在10%和5%剂量下显示出更高的淋巴结检测灵敏度和F1分数。这对PET/CT非常重要,因为PET/CT主要使用低剂量(25–70%)非增强CT,许多小的代谢活跃和可疑淋巴结通常需要被检测到。
Augmentation模型的分割指标表明,所有淋巴结的DSC在所有剂量下均高于0.75,在75%剂量下达到0.82,在全剂量下最高为0.83。对于大淋巴结,DSC在剂量降低高达10%时基本稳定(相比之下NoAugmentation为25%剂量)。Augmentation模型也相对较好地检测和分割小淋巴结,这表明了模型的泛化能力。在低于25%剂量时观察到性能如预期下降。尽管如此,我们的发现强调了两个模型在CT质量下降情况下的稳健性,其中Augmentation模型在10%和5%剂量下对所有淋巴结(p < 0.001)和小淋巴结(p < 0.001)表现更好。
本工作中使用的NoAugmentation模型先前在来自挪威特隆赫姆St. Olavs医院的外部公共数据集[29]上对大纵隔淋巴结(SAD ≥ 8 mm)达到了0.68 DSC [26]。在外部TCIA纵隔LNQ数据集上,两个模型达到了相似的检测性能。然而,Augmentation模型对所有淋巴结(p < 0.001)、大淋巴结(p < 0.001)和小淋巴结(p < 0.01)取得了更高的DSC和更低的HD误差。据我们所知,这些结果代表了在TCIA LNQ数据集[24]上的最佳性能。
我们的研究具有若干关键优势。首先,我们的淋巴结数据集包含超过15,000个独立淋巴结,据我们所知,这是迄今为止最大的数据集。历史上,由于淋巴结体积小、影像特征多变以及缺乏经放射科医师验证的参考标注,自动化淋巴结分割一直是一项艰巨的任务。其次,使用解剖学先验引导训练使模型能够更好地检测淋巴结并将其与邻近结构区分开来[26]。第三,用于训练全监督3D分割模型的高质量标签对于获得良好的分割结果至关重要。第四,本工作中使用的模型在外部TCIA纵隔LNQ数据集上进行了评估,并展示了其迁移至未见患者队列的能力。最后,增强模型在降低剂量CT上的性能表明其对于因慢性疾病而接受重复成像的患者具有直接的临床相关性,在这些患者中累积辐射暴露可能带来额外风险。虽然这些患者可以从较低的辐射剂量中获益,但降低剂量会降低图像质量,并可能显著影响检查的实用性。
本研究存在若干局限性。首先,本工作中使用的测试数据子集由两位委员会认证的放射科医师(拥有30年以上经验)全面验证,61个CT容积耗时约2个月。训练数据集由四位住院医师标注,耗时约3个月完成。标注严重依赖于放射科医师的专业知识,且难以大规模生成(>10,000名患者),因为在全身CT上识别和标注超过100个淋巴结十分繁琐。此外,标注中可能存在观察者间变异性,而由于标注和验证工作的繁琐性质,这同样无法大规模评估。这进一步凸显了需要一种全自动化工具在CT上勾画淋巴结。其次,本工作中用于模拟降低剂量CT的技术人为引入了噪声,可能无法始终完全或真实地复现降低剂量图像采集的所有方面[25],例如诊断性降低剂量CT上对比剂动力学的变化,或PET/CT上完全省略对比剂以及平静呼吸(而非屏气)采集。第三,本工作仅使用了3D全分辨率nnU-Net,未对模型进行任何修改。虽然可以使用其他深度学习模型,如Transformer,但此类模型与nnU-Net在多结构分割方面的差异小于1%[28]。第四,CT扫描并非本质上以降低剂量采集,在本工作中仅为模拟。纳入此类降低剂量CT将有益于模型训练,同时也能实现与人工判读的相关性分析。最后,良性和可疑淋巴结在CT上可能表现出不同的影像属性,如密度不均匀和存在脂肪门。这些差异可能影响模型的分割能力。本研究未涉及这一方面,将在未来工作中进行评估。
总之,图像质量下降影响了对降低剂量CT扫描上淋巴结的分割。我们的研究结果表明,全自动淋巴结分割工具在剂量降低25%时基本能保持其性能。要在大幅降低剂量时保持检测灵敏度和分割准确性,需要在模型训练中纳入降低剂量CT以进行优化。
补充信息
以下是电子补充材料的链接。
补充材料1
引用
- Bloom LH, Mathai TS, Liu B, et al. Analysis of deep learning-based segmentation of lymph nodes on full-dose and reduced-dose body CT. Abdom Radiol (NY). 2025. PMID: 41251734. doi:10.1007/s00261-025-05253-8
- 全文:PMC13109288(PMC 开放获取,CC BY)https://pmc.ncbi.nlm.nih.gov/articles/PMC13109288/
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。