基于CT扫描的深度学习算法自动检测胆囊结石
本研究开发并评估了一种深度学习算法在CT上自动检测胆囊结石的诊断准确性。回顾性单中心研究纳入493例结石阳性、470例阴性及180例胆囊切除术后CT,算法在90例测试集上敏感度96.7%、特异度83.3%,对大而高密度结石敏感度最高。
要点
- 算法对CT胆囊结石检测敏感度96.7%、特异度83.3%,AUROC 0.977。
- 高密度结石(97.3%)及>10mm结石(97.1%)敏感度最高。
- 气体结石(71.4%)、等密度结石(78.6%)及<5mm结石(88.9%)敏感度较低。
核心结论
- 深度学习算法在CT上检测胆囊结石具有高敏感度,尤其对大而显眼的结石。
研究设计与样本
- 回顾性单中心研究,根据原始报告确定参考标准,纳入493例结石阳性、470例阴性及180例胆囊切除术后CT。
- 分割模型训练集452例,检测模型训练集400例,所有模型采用5折交叉验证。
- 最终端到端流程在独立测试集上评估,测试集共90例,每类30例。
- CT扫描来自Siemens Healthineers的Somatom Definition Edge、Flash、AS+扫描仪,均为门静脉期增强扫描,层厚5mm。
关键影像表现/征象
- 算法在60例含胆囊的测试集CT上获得中位Dice评分94.4%(IQR 4.5%)。
- 胆囊切除术后检测敏感度76.7%(95% CI 61.5–91.8),特异度98.3%(95% CI 95.1–100.0)。
- 结石阳性者胆囊平均体积42.8 mL ± 38.3 vs 阴性者24.0 mL ± 20.7,p < 0.001。
- 假阳性包括将增强的胆囊壁误判为结石、胆囊壁邻近血管及Heister螺旋瓣。
- 假阴性病例在50天后T2加权MRI上结石清晰可见。
诊断标准与关键数值
- 测试集每扫描为基础:敏感度96.7%(95% CI 90.2–100.0),特异度83.3%(95% CI 70.0–96.7),AUROC 0.977。
- 验证集平均精度均值(mAP@0.5)为81.7%。
- 高密度结石敏感度97.3%,>10mm结石97.1%,气体结石71.4%,等密度结石78.6%,<5mm结石88.9%,低显眼度结石38.1%,胆囊塌陷75%。
- 胆囊体积阈值2 mL(基于训练集392例手动分割胆囊体积的第1百分位数)用于判定胆囊切除术后,正确分类23/30例(76.7%)。
- 与超声/MRI报告比较(178例,18.5%),CT假阳性率0.6%,假阴性率4.5%。
临床应用与阅片要点
- 算法输出可自动向放射报告添加标准化文本,提示胆囊是否存在及是否检测到结石。
- 算法结果可生成DICOM系列发送至PACS供直接可视化。
- 潜在应用包括自动计算胆囊体积、高通量筛查大型影像数据库及作为转诊医生的决策支持元素。
- 作者认为算法可支持更一致地报告偶然发现的胆囊结石,且高效、无干扰。
局限性
- 诊断金标准为胆囊切除及病理检查,基于CT的诊断性能可能被高估或存在偏倚。
- 由于缺乏公开的标注胆囊结石CT数据集,无法进行外部验证;本单中心研究结果可能无法推广至不同结石成分或不同CT方案和扫描仪的人群。
- 数据集仅包括门静脉期增强CT,降低了模型对其他方案的通用性;非增强或非门静脉期CT的诊断性能无法从本研究结果推断。
- 算法可能对不常见表现(如术后解剖或恶性肿瘤)误分类。
- 胆囊切除术后检测亚任务敏感度仅76.7%,在术后解剖尤其是存在液体积聚或手术夹时表现困难。
全文中译16 节 · 点击展开
引言
胆石病在西方国家非常常见,据估计欧洲和美国成年人中的患病率为10–20% [1]。大约五分之一的胆石携带者在20年期间会经历胆石相关事件 [2]。2014年的一项研究将胆石症确定为美国医院中涉及胃肠道的两种最常见主要诊断之一,导致显著的社会经济负担 [3]。胆石病与胃肠道癌症风险升高相关 [4],且多发和小结石的存在会增加胰腺炎的风险,而胰腺炎具有显著的死亡率 [5]。因此,早期可靠地检出胆石具有临床重要性。
超声检查是诊断胆囊结石的首选方法,据报道其敏感性为84–85%,特异性为99–100% [6, 7]。相比之下,计算机断层扫描(CT)的敏感性较低(79%),但特异性相似(99%)[6]。CT敏感性较低的主要原因在于高胆固醇含量的胆石与周围胆汁的密度值相似。相反,胆石中较高的钙含量与较高的显影清晰度相关 [8, 9]。在一项德国研究中,超过90%的胆石主要以胆固醇为主要成分,这被认为与西方饮食和代谢综合征的高患病率有关 [10]。
几项关于CT扫描偶然发现的大型研究主要针对美国和欧洲的创伤患者,报告胆石在所有患者中的检出率为0.4–4.2% [11–17]。鉴于胆石10–20%的患病率 [1] 和CT约79%的敏感性 [6],这一比例显得偏低。因此,我们假设CT上胆石的存在普遍被低估报告。一种临床决策支持系统(CDSS)形式的辅助工具,可提醒放射科医生算法阳性检出胆石的情况,可能有助于减少漏报和假阴性。
本研究的目的是使用标准深度学习技术开发一种全自动、自主的深度学习算法用于检出胆石,并评估其诊断准确性。输出结果应汇总在一份旨在对放射科医生和临床医生均有帮助的报告中。
材料与方法
数据从我院单中心医院数据库中进行回顾性收集。本研究经当地伦理委员会批准(EKNZ,项目2019-01989),并豁免知情同意。
病例选择
使用“PACS/RIS Crawler”(版本1.3.0)检索2018年1月至2019年6月的CT扫描[18]。在我们机构,所有标准腹部CT扫描均使用结构化模板进行报告,其中明确记录了胆囊结石的存在或不存在。所有检查均由至少两名医师独立阅片。所有报告均由一名经委员会认证、接受过专科培训的腹部影像学专家审核批准。识别出报告提示存在胆囊结石(500次扫描)或不存在胆囊结石(500次扫描)的CT扫描。另外收集了200次胆囊切除术后患者的扫描。这些目标数量是根据既往类似项目的经验选定的。每次扫描的地面真实标签仅来源于原始放射学报告(参考标准),未进行额外的图像审阅。合适病例的筛选于2019年11月至2020年3月期间进行。检查被随机纳入,直至每个亚组达到目标数量。必须符合以下纳入标准:CT扫描覆盖完整胆道系统、静脉注射放射性对比剂、门静脉期成像、以及具有5 mm层厚的序列可用。排除标准定义为:报告中提及胆囊炎或胆囊恶性病变,或存在严重影响胆囊判读的强伪影。在病例筛选过程中,仅可见最终报告,未显示任何图像。除年龄和性别外,未收集其他患者特征。
所有检查均在以下西门子医疗(德国福希海姆)CT扫描仪之一上完成:Somatom Definition Edge、Somatom Definition Flash、Somatom Definition AS+。
数据标注
选定的1200次CT检查被传输至“Nora”,一个基于网络的医学图像分析框架[19]。部分扫描被排除在进一步分析之外,主要原因是传输或处理错误(如缺失层面)、胆囊显示不完整、或严重影响胆囊判读的强图像伪影。用于进一步分析的包括493次胆囊结石阳性扫描、470次胆囊结石阴性扫描和180次胆囊切除术后患者的扫描。
对于963个含胆囊的CT容积,由M.T.M.(住院医师)完成了一份简短的单选问卷。
随机选取452次含胆囊的CT检查,由M.T.M.手动分割胆囊。在不确定的情况下,设置标记,并由T.H.(一名经委员会认证、接受过专科培训的腹部影像学专家)审核该病例。根据既往类似标注工作的经验,该样本量被认为足以用于分割模型训练,预计增加病例的收益递减。
使用这些手动胆囊分割,从随机子集的400次CT扫描中提取显示胆囊任何部分的轴位层面,使用腹部窗(W 350;L 50)。在这些灰度图像上,胆囊和任何胆囊结石均以矩形边界框标注。清晰可分的胆囊结石分别给予单独的边界框,而难以分离的胆囊结石簇则归入单个边界框。
数据集
所有模型均使用五折交叉验证进行训练。交叉验证划分按患者ID分组,以防止同一患者(或检查)的图像同时出现在训练、验证或测试数据中。最终的端到端流程在独立测试集上进行评估,该测试集包含以下三个类别各30次扫描:胆囊结石、无胆囊结石、无胆囊。图1展示了数据流程,包括人工标注和分割过程以及深度学习模型的训练和评估阶段。
胆囊分割算法
算法性胆囊分割通过两步过程完成。首先,使用基于nnU-Net的分割模型(TotalSegmentator)[20]将整个CT图像裁剪至肝脏周围区域。其次,将这些肝脏裁剪图像连同人工胆囊分割一起用于训练另一个专门用于胆囊分割的nnU-Net模型[21]。
胆囊结石检测算法
在提取的轴位图像上使用边界框标签训练了若干深度学习模型,以检测胆囊和胆囊结石。这些目标检测模型基于RetinaNet(ResNet101骨干网络)[22–24],或EfficientDet [25, 26](ResNet50 [24]或EfficientNet D4 [27]骨干网络)。所有模型最初均在多样化的真实世界图像上进行预训练,从而提高了准确性和训练收敛速度[28, 29]。
模型使用三种数据加载器之一处理输入图像及其真实标签。第一种加载单层切片作为RGB灰度图像(各颜色通道相同)。第二种加载器将三个连续轴位切片堆叠到三个RGB通道中以提供空间上下文(称为“多层图像”)。第三种加载器从另一张切片(来自训练数据中的任何患者)随机粘贴一颗胆囊结石到当前图像的胆囊区域,并对粘贴的结石应用广泛的图像增强。此外,对所有训练图像应用随机图像增强,包括亮度、对比度、平移、缩放和旋转调整,以增强模型鲁棒性。
共九种目标检测模型(3种骨干网络×3种数据加载器)使用不同数据加载器生成的图像输入进行微调,在单个图形处理单元(GPU)上以学习率0.001和批大小4训练超过24个epoch。每个训练折选择验证得分最高的指数移动平均(EMA)模型。
深度学习推理
为了进行推理,应用了以下流程(如图2所示):首先,将整个CT扫描裁剪至肝脏区域。其次,该裁剪图像由胆囊分割算法处理。第三,检测算法应用于所有显示胆囊的轴位切片。第四,来自九个目标检测模型的胆囊结石边界框预测使用加权框融合技术[30]进行集成。第五,如果胆囊结石边界框与第二步的胆囊分割重叠面积小于其面积的30%,或其置信度值低于确定的截断值,则将其丢弃。第六,如果处理后仍有任何边界框保留,则该扫描被判定为胆囊结石阳性。
与超声和MRI检查的相关性
对于所有具有胆囊的选定病例,在医院影像数据库中搜索了在索引检查六个月内进行的超声(US)和磁共振成像(MRI)检查。超声和MRI在检测胆囊结石方面的诊断准确性均高于CT。因此,如果超声或MRI检查的报告与CT报告相冲突,则以前者的诊断为准。在此类情况下,CT分别被标记为假阳性或假阴性。
评估
分割性能使用Sørensen–Dice系数评估,计算公式为Dice,其中S为分割结果,G为金标准,∣⋅∣表示基数。
数据分布正态性通过直方图和分位数-分位数图进行评估。组间差异使用Mann-Whitney U检验分析非正态分布。p值<0.05被认为具有统计学显著性(α=0.05)。
目标检测性能按照“上下文中的常见目标”(COCO)数据集标准,使用pycocotools包[29]以平均精度均值评分(mAP)衡量。报告的mAP对应于交并比(IoU)阈值为0.5时的AP值[31]。
边界框置信度评分的最佳截断值使用验证集上的受试者工作特征(ROC)曲线和约登指数确定。诊断性能通过丢弃置信度评分低于截断值的边界框来评估。
胆囊结石和胆囊切除术的检测指标以每次扫描为基础报告。不同胆囊结石亚组的敏感性在训练数据的验证集上使用五折交叉验证进行评估,评估前丢弃与任何胆囊边界框均不重叠的胆囊结石边界框。敏感性和特异性报告附带95%置信区间,使用二项分布的正态(高斯)近似计算,通过Python的statsmodels包(版本0.14.2)实现。
结果
人口统计学
收集的有限人口统计学数据如表1所示。胆囊分割算法使用472例CT扫描进行训练(48.9%为女性,平均年龄68.0 ± 14.2岁)。胆囊结石检测算法的训练涉及340例CT扫描(45.3%为女性,平均年龄69.4 ± 12.9岁)。对端到端算法(结合分割和胆囊结石检测)的综合评估包括90例CT扫描(51.1%为女性,平均年龄64.9 ± 17.9岁)。
分割算法
在包含胆囊的60例CT检查的测试集上,胆囊分割算法的中位Dice评分为94.4%(四分位距[IQR],4.5%)。一个明显的异常值是1例CT检查,其Dice评分为0,表明与手动分割无重叠。
在测试集中30例接受胆囊切除术的受试者中,算法在15例(50%)中正确预测胆囊体积为0 mL。中位预测体积为0.1 mL(IQR 1.7 mL)。使用2 mL作为截断值(基于训练集中392个手动分割胆囊体积的第1百分位数),算法正确将30例扫描中的23例(76.7%)分类为胆囊切除术后。测试集中1例有胆囊的扫描预测胆囊体积为1.6 mL,因此被错误分类为无胆囊。总体而言,在全部90例测试集扫描上评估时,胆囊切除术检测子任务在每扫描基础上达到76.7%的敏感性(95% CI 61.5–91.8)和98.3%的特异性(95% CI 95.1–100.0)。
胆囊体积
在452例手动分割的CT扫描中观察到胆囊体积的统计学显著差异(p < 0.001)。有胆囊结石的受试者平均体积为42.8 ± 38.3 mL(254例扫描),而无胆囊结石患者为24.0 ± 20.7 mL(198例扫描)(图3)。
胆囊结石检测
处理一例完整的CT扫描,从原始输入文件到最终报告(包括胆囊体积和胆囊结石检测结果),使用消费级GPU(NVIDIA GeForce RTX 4090)通常需要约30秒。
测试集上的端到端流程(表2)在每扫描基础上正确识别了30例胆囊结石阳性扫描中的29例(敏感性96.7%,95% CI 90.2–100.0)和30例胆囊结石阴性扫描中的25例(特异性83.3%,95% CI 70.0–96.7)。每扫描基础的受试者工作特征曲线下面积(AUROC)为0.977。
平均精度均值(mAP@0.5)常用于评估目标检测算法,在验证集中为81.7%,由九个训练模型的组合输出计算得出,未经额外后处理。
表3概述了算法在人工评估的各种胆囊和胆囊结石特征上的性能。总体而言,算法对大的、高密度的和易于可见的胆囊结石显示出高敏感性(> 97%)。然而,对于气体性(71.4%)或等密度结石(78.6%)、萎缩胆囊(75%)和低显著度结石(38.1%),敏感性降低。
图4展示了该算法预测的几个示例。一份CT扫描的最终胆囊结石报告可以以医学数字成像和通信(DICOM)格式发送至图像归档和通信系统(PACS),其示例如图5所示。
与超声和MRI表现的相关性
在963例纳入的含胆囊CT检查中,178例(18.5%)在索引CT扫描后6个月内至少进行了一次超声或MRI检查。其中,与超声或MRI报告的表现相比,一次CT扫描(0.6%)为假阳性,八次(4.5%)为胆囊结石假阴性。此外,22例患者(15.9%)在三种模态之间显示结果不一致。
讨论
本研究结果表明,使用标准深度学习技术可以在CT扫描上以高诊断准确性自动检测胆囊结石。数据集包括来自三级护理医院的代表性人群,并包含非平凡病例。该算法在检测高度明显的胆囊结石方面表现出色,对高密度和大结石的灵敏度> 97%,并且在检测不太明显的胆囊结石方面保持了可观的表现,这些结石通常甚至对人类读者也具有挑战性。作为一个附带发现,我们观察到胆囊结石患者的胆囊体积显著大于无胆囊结石者,提示这是一个潜在的可进一步研究的领域。
将深度学习应用于医学影像的一个常见挑战是数据稀缺,尤其是罕见病例。为了增加算法对较罕见胆囊结石类型(如低密度结石和气体结石)的暴露,我们通过将一名患者的胆囊结石图像随机粘贴到其他患者的胆囊中,扩充了部分模型的训练数据,从而提高了整体敏感性。使用三个连续层面进行训练通过提供空间上下文增强了特异性。最后,每个层面由多个目标检测算法评估,每个算法专注于不同方面。最终预测来自共识度量(集成),这显著提高了算法的性能。
据我们所知,本研究是首个评估深度学习算法在CT扫描上检测胆囊结石诊断准确性的研究。在相关研究中,Song等人采用了不同的方法,训练深度学习模型进行胆囊结石分割(与本研究中胆囊结石目标检测不同),并报告Dice评分为87% [32]。类似地,Pang等人在一个包含1369名中国人群胆囊炎和胆囊结石患者的CT数据集上使用了基于YOLOv3的目标检测算法,这些患者后来均接受了胆囊切除术 [33]。他们在胆囊结石检测中达到了86.5%的mAP,而我们的研究为81.7%;然而,其mAP计算的具体细节未详细说明。我们的研究不同之处在于排除了胆囊炎患者,使得直接比较变得复杂。此外,由于大结石(> 10 mm)与急性胆囊炎风险较高相关 [2],Pang等人的队列可能有大结石比例更高,而我们的算法对此类结石显示出相对较高的敏感性。
CT扫描上的胆囊结石检测通常被认为是一项简单任务。然而,对CT扫描偶发发现文献的回顾表明,胆囊结石常被低报 [11–17],尤其是在创伤患者中。根据我们的经验,低报通常是由于时间压力、发现的偶然性以及对非主要区域关注度较低。我们算法的输出可用于自动向放射学报告添加标准化文本,指示胆囊是否存在(胆囊切除术后)以及是否检测到胆囊结石。这可能有助于以高度时间高效且不引人注目的方式更一致地报告偶发胆囊结石。我们还开发了算法结果的自动生成摘要,可作为专用DICOM序列发送至PACS以供直接可视化(图5)。其他潜在应用包括自动计算胆囊体积、用于研究目的的大型影像数据库高通量筛查,以及作为转诊医生的直观决策支持元素。
本研究的主要局限性包括:第一,胆结石检测的诊断金标准涉及胆囊切除术和病理检查,这表明由于CT成像的固有局限性,本文报告的基于CT的诊断性能可能被高估或存在偏倚。为评估误分类率,我们在可获得的情况下收集了同一患者的额外超声和MRI报告。由于仅有少数CT研究出现假阳性(0.6%)或假阴性(4.5%),我们认为研究结果的偏倚较低。此外,主要目标是减少因人为疏忽导致的漏检,而非提高CT的总体检出率。第二,由于缺乏公开可用的带有CT图像胆结石标注的数据集,我们无法对方法进行外部验证。这项单中心研究的结果可能无法推广到胆结石成分不同的其他人群或使用不同CT方案和扫描仪的情况。第三,数据集仅包含门静脉期增强CT,降低了模型对其他方案的泛化能力。在我们机构,非增强或非门静脉期采集通常仅针对特定适应症进行,且胆囊或肝脏往往仅部分包含在内。此外,这些检查的标准报告模板不常规记录胆结石的存在。基于这些原因,仅门静脉期扫描被用于模型开发。因此,非增强和非门静脉期CT的诊断性能无法从当前结果中推断。第四,虽然算法预期在熟悉病例上表现良好,但可能对异常发现(如术后解剖或恶性肿瘤)进行误分类。第五,胆囊切除术检测子任务的灵敏度仅为76.7%,且在术后解剖方面表现不佳,尤其是在存在液体积聚或手术夹的情况下。最后,由于某些结石类型数量有限,不同胆结石类型的灵敏度是在验证集而非测试集上评估的。这可能使结果产生偏倚,但仍应能提供算法优缺点的概览。
引用
- Meyer MT, Wasserthal J, Cyriac J, et al. Automated detection of gallbladder stones using a deep learning algorithm on computed tomography scans. Abdom Radiol (NY). 2026. PMID: 41524986. doi:10.1007/s00261-025-05352-6
- 全文:PMC13652901(PMC 开放获取,CC BY)https://pmc.ncbi.nlm.nih.gov/articles/PMC13652901/
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。