文献速递腹部技术与安全DR

人工智能深度学习模型在腹部平片识别小肠梗阻中的应用

An artificial intelligence deep learning model for identification of small bowel obstruction on plain abdominal radiographs.
PubMed 文献 · Br J Radiol · 2021-04-27

本研究基于990张腹部平片(445张正常、445张小肠梗阻),开发了五种卷积神经网络集成模型,用于自动识别小肠梗阻。模型在独立测试集上表现优异,AUC达0.961,敏感度91%、特异度93%。作者认为该模型可作为即时预警工具,提示临床医生优先审阅高风险病例。

要点

  • 集成深度学习模型在腹部平片上识别小肠梗阻的AUC为0.961,敏感度91%、特异度93%。
  • 模型误判主要见于充气扩张的大肠和胃,阅片时需注意与小肠梗阻鉴别。
  • 该模型定位为预警工具,不能替代放射科医生的综合诊断。

核心结论

  • 深度学习集成模型可在腹部平片上高精度识别小肠梗阻,AUC 0.961,敏感度91%、特异度93%。
  • 该系统有潜力在摄片时即时预警高风险病例,加速临床审阅,但需前瞻性试验验证对患者结局的影响。

研究设计与样本

  • 回顾性单中心研究,数据来自英国皇家康沃尔医院NHS信托基金,纳入2010年1月至2019年1月的腹部平片。
  • 共990张标记图像(445张正常、445张小肠梗阻),按80:8:11随机分为训练集800张、验证集80张、测试集110张。
  • 采用五种预训练卷积神经网络(VGG16、Densenet121、NasNetLarge、InceptionV3、Xception)进行迁移学习,集成模型取五网络输出均值。
  • 标记主要依据放射科顾问医师报告,报告不确定时采用复合临床随访(72小时内CT或手术记录、出院小结),仍不确定者由三位胃肠放射亚专科顾问医师独立复审共识标记。

关键影像表现/征象

  • 急性小肠梗阻在腹部平片上的标志性表现为小肠扩张程度不成比例地大于大肠。
  • 其他已描述的征象包括拉伸征、直肠无气、串珠征和无气腹。
  • 模型误分类图像定性分析提示神经网络难以处理充气扩张的大肠和充气胃。

诊断标准与关键数值

  • 集成模型在测试集上AUC为0.961,取约登指数最大 operating point 时敏感度91%、特异度93%。
  • 集成模型单张图像预测时间约146毫秒。
  • 各单一网络AUC值见原文表2;集成模型准确率与AUC最高,但与单一网络差异在有限测试样本下无统计学显著性。

临床应用与阅片要点

  • 该模型可集成到临床路径中,在摄片时即时提供评分,高分触发放射信息系统警报,提示放射科医生优先审阅。
  • 警报也可发送至外科团队,提示结合临床情况加速评估。
  • 阅片时需注意充气扩张的大肠和胃可能导致假阳性,无气腹或串珠征等不典型表现可能漏诊。
  • 模型排除标准包括小于18岁、口服对比剂、非怀疑肠道病变指征、大肠梗阻,临床应用中需注意适用范围。

局限性

  • 腹部平片对诊断小肠梗阻的敏感度低于CT,模型无法改变平片本身的诊断局限性。
  • 模型准确率反映的是与当前金标准(放射科顾问医师意见)的一致性,并非AI联合平片在临床中的诊断准确率。
  • 训练和测试使用平衡数据集(正常与梗阻各半),临床实践中梗阻患病率较低,性能指标可能下降。
  • 数据排除标准限制模型不能适用于所有临床腹部平片,且模型尚未充分训练大肠梗阻和不确定病例。
  • 单中心回顾性研究,需前瞻性临床试验验证对患者结局的影响。
全文中译9 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:Br J Radiol. 2021 Apr 27;94(1122):20201407. doi: 10.1259/bjr.20201407

引言

小肠梗阻是一种常见的外科急症,约占急诊外科入院患者的15%,仅在英格兰和威尔士每年就超过12,000例重大急诊手术。1–3 最常见的原因包括粘连、疝和恶性肿瘤。4 小肠梗阻诊断和手术治疗的延迟会增加肠坏死、穿孔和死亡的风险,因此及时诊断对于改善患者预后至关重要。5–7

尽管CT是更敏感的检查,但腹部平片常被用作医院环境中的一线筛查工具1,8,9,因为它便宜、快速且易于获得。急性小肠梗阻在平片上的标志是与大肠相比不成比例扩张的小肠。还描述了小肠梗阻的其他若干影像学特征,包括牵拉征、直肠无气体、串珠征和无气腹。4,10

放射科医师的人员配置水平在世界各地有所不同,但在英国等国家,目前存在严重缺乏顾问放射科医师的情况,这导致了近年来的报告积压。11 COVID-19大流行最近导致了这一趋势的转变,但未来报告需求很可能超过承载能力,特别是当影像科室试图清理因大流行而延迟的影像申请积压时。因此,平片X线的即时专家放射科医师审核的可及性各不相同,一些科室将被迫优先即时报告其他检查方式,如急诊CT。在这种情况下,第一个审核腹部X线片的人可能是初级医生,他们并不总是接受过充分的X线判读培训。我们知道,平片检测小肠梗阻的准确性随判读者经验的不同而显著变化。12 由于上述原因,在一些机构中,正式放射学报告延迟数小时并不罕见。人工智能(AI)有潜力解决其中一些问题,因为自动图像审核可以在图像采集时立即进行,标记高风险病例以加快放射学或外科审核。

近年来,深度学习形式的AI已被应用于众多医学影像任务,在某些情况下,这些解决方案被认为与专家人工判读者一样准确。13,14 深度学习利用神经网络,神经网络是由多层互连节点组成的计算模型,这些节点处理数据包后将数据传递到网络的下一层。网络的最后一层是输出层,可用于做出预测。在每个节点处及节点之间,数据根据参数进行处理,这些参数并非显式编程,而是网络根据训练数据经过多次迭代学习得到的。15

在自动化医学影像解读任务中,卷积神经网络是当前的最先进技术。数值数据通过将窗口在图像所有区域滑动或“卷积”而从图像像素值中导出。网络识别图像特征,每个特征的重要性由学习过程定义。在早期层中,线条和纹理等简单图像特征占主导地位,但这些简单特征在后续层中被有效组合,使网络能够“感知”更高层次的复杂性和抽象性。

训练卷积神经网络通常需要非常大型的数据集,而这些数据集在临床环境中往往难以获得。然而,可以采用已用大量数据预训练的神经网络,并将其适配用于数据可能不太充足的不同任务。这一过程称为迁移学习。该方法利用预训练网络识别可能适用于两个任务的常见图像特征的能力,例如简单形状或纹理。16

本研究旨在探讨卷积神经网络迁移学习在腹部平片上识别小肠梗阻的程度。如果成功,该技术可在X射线采集时用于提醒放射科医生或外科医生注意小肠梗阻高概率病例。这将加快临床审查,并可能促成更快的诊断和治疗。

方法和材料

本研究获英国健康研究管理局批准。由于研究仅限于使用已有的匿名化数据,因此不需要伦理批准。

数据获取和标注

腹部平片取自英国皇家康沃尔医院NHS信托基金会。X射线以患者仰卧位获得。图像以去标识化JPEG格式从图像归档和通信系统导出。纳入期为2010年1月至2019年1月。如果患者年龄未满18岁、患者接受过口服对比剂、适应证不是怀疑肠道病变的检查或放射片显示大肠梗阻,则排除这些检查。

图像在导出时被标注为“正常”或“梗阻”。标注主要通过查阅顾问放射科医生的报告完成。如果报告不确定,则使用综合临床随访进行标注。这包括评估随后72小时内的任何CT成像或手术记录,必要时查阅出院小结。

如果综合临床随访后检查仍不确定,则对图像进行增强审查。一个由25张不确定图像组成的子集由三位对胃肠(GI)成像有亚专业兴趣的英国顾问(FRCR)放射科医生独立审查。一致意见被用作主观阈值,以标注最初不确定的图像。增强放射学审查后仍不确定的病例被排除,因为无法赋予有意义的标签。

最终数据集共包含990张有标签图像,445张正常,445张显示小肠梗阻。

训练和测试数据

影像数据按80:8:11的比例分为训练集、验证集和测试集。图像被随机分配到各组。训练数据集包含大部分数据,用于训练神经网络。验证数据集用于在每个学习周期后指导网络,以确保其正确更新。测试数据集仅在网络训练完成后使用一次,用于评估最终性能。这种数据划分产生了800张训练图像、80张验证图像和110张测试图像(图1)。该比例旨在最大化训练数据,同时在最终性能测试中保持足够的统计功效。110的测试集样本量使得在检测AUC为0.65、1型错误为0.025时统计功效为0.8。17 这意味着该研究具有足够的功效来评估单一诊断测试,其AUC在0.65(较差的诊断测试)至1.0(完美的诊断测试)之间。测试数据在训练或验证的任何阶段均未使用。

图1. 图像标注和网络训练方法流程图。CNN,卷积神经网络;PACS,图像存档和通信系统 查看原图 ↗

网络架构

CNN使用Python(v. 3.7.3)编程语言中的Keras库18开发,后端为TensorFlow。19 所有神经网络均由全连接顶层下方的预训练基础层组成。输出为0至1之间的评分,评分越接近1表示小肠梗阻的计算概率越高。在全连接层和输出层之间使用了0.5速率的Dropout。该过程在训练期间随机从网络中移除节点,以帮助减少网络对任何单个节点的依赖。这在网络中产生冗余,使网络对未见数据更具泛化能力。选择0.5的Dropout,因为它被认为对于广泛的网络和任务接近最优。20

采用了五种架构,即:VGG16、Densenet121、NasNetLarge、InceptionV3和Xception。21–25 这些是公开可用的网络架构,使用在ImageNet数据集26上预训练的权重进行初始化,不含顶层,且所有低层权重冻结。这意味着网络的基础部分被开发用于检测日常物体,如车辆、花朵或动物。最终层是全新的,并根据训练中使用的X线片学习其参数(即迁移学习)。

训练图像根据基础网络的默认图像尺寸进行调整,尺寸从224 × 224到331 × 331不等,像素值重新缩放至0至1之间。这是使用Keras预处理“flow_from_directory”方法基于最近邻插值执行的。网络在台式机器上训练,包括Nvidia GeForce RTX 2070s(8 GB)图形处理单元、6核Intel i5-9400F CPU(2.90 GHz)和16 GB RAM。

网络训练与测试

超参数是网络训练中使用的设置。这些设置通过迭代过程进行优化,以验证损失作为模型性能的指导。验证损失是网络内部的误差,反映网络的表现如何。超参数包括:优化器类型(用于最小化误差的算法)、学习率(每次迭代中对网络参数所做变化的幅度)和学习率衰减(用于在训练进程中细化学习率以避免超出最优解)。网络持续训练,直至验证损失不再改善。保存验证损失最低的网络(即性能最佳的网络)。所用具体超参数的进一步细节见补充材料1。

点击此处获取额外数据文件。

随后使用先前未使用的测试数据评估每个网络的性能。具体做法是将每个测试病例呈现给神经网络模型,要求模型预测该病例是否显示小肠梗阻。输出格式为每个病例存在小肠梗阻的计算置信值,介于0和1之间。使用五个网络输出得出的平均置信值构建了集成模型。

每个网络及集成模型的AUC在Python中使用scikit-learn库计算。27 AUC置信区间和统计比较使用“easyROC”v. 1.3.1软件采用非参数方法计算。17 可计算每个操作点的约登J指数,其等于敏感度+特异度−1。选择约登J指数最高的操作点用于报告敏感度和特异度值。该点为敏感度和特异度最大化的点。

还开发了一个Densnet121网络,其权重由在ChexNet数据集28上训练的网络初始化。CheXNet是一个大型胸部X线片数据集。假设是这些权重可能比在ImageNet上训练的权重更容易迁移到涉及腹部X线片的任务。然而,验证损失相对较差,因此该模型未纳入集成模型。还使用数据增强进行训练,即通过旋转(0–10度)、高度/宽度尺寸(0–20%)、缩放(0–20%)和剪切(0–5%)的微小变化来扩增训练数据。最后,使用VGG16网络比较了多种训练图像尺寸。

结果

集成模型在测试集上表现出色,AUC为0.961(图2)。约登J指数最高的操作点产生的敏感度为91%,特异度为93%(表1)。一旦加载到内存中,集成模型每张图像提供预测约需146 ms。集成模型产生了最高的准确率和AUC指标,但基于有限的测试样本,集成模型与单个网络之间无统计学显著差异。每个单独网络的AUC值见表2。训练曲线见补充材料2。

点击此处获取额外数据文件。

正确和错误分类图像的示例分别见图3和图4。对误分类图像的定性检查表明,神经网络在含气的大肠和含气的胃方面表现困难。

数据增强并未提高网络准确性。对训练日志的检查表明,使用增强数据进行训练导致模型过拟合更严重,表现为训练损失与验证损失之间的差异增大。使用不同尺寸的图像训练网络也未带来性能益处。最后,使用从CheXNet数据集初始化的权重训练Densenet121网络产生了相对较差的结果,验证损失为0.43。

图2. 集成模型的ROC曲线。ROC,受试者工作特征。 查看原图 ↗
表1. 集成模型的性能 查看原表 ↗
表2. 五个神经网络和集成模型的测试指标 查看原表 ↗
图3. 正确分类图像的示例,展示正常表现(a)和梗阻(b)。集成模型评分和类别预测显示于每幅图像底部的方框中。 查看原图 ↗
图4. 错误诊断图像的示例,展示假阴性(a)和假阳性(b)。集成模型输出评分和类别预测显示于每幅图像底部的方框中。 查看原图 ↗

讨论

本文所述的深度学习方法产生了优异的结果,并证明迁移学习理论上可应用于腹部平片中小肠梗阻的识别。此外,本文详述的优异准确性指标表明,该技术可能足够准确,在临床环境中具有实际应用价值。例如,此类工具可整合到临床路径中,在腹部X线摄影采集时几乎即时提供检查评分。高检查评分可在放射信息系统内触发警报,突出显示需要放射科医生立即报告的病例,有效消除报告周转时间延迟这一常见问题。电子警报还可发送给外科团队成员,促使结合影像学检查加快审查患者的临床状态。这有可能实现更快的诊断和改善患者结局,尽管这需要在前瞻性试验的背景下加以验证。

据作者所知,目前尚无能够通过X线诊断小肠梗阻的市售解决方案。此外,关于该主题的文献极为有限。29–31 Cheng等29,30的两篇论文是同一项目的迭代版本。Cheng等29的最新版本与本文所述研究均产生了优异且可比的结果。此外,本研究引入了一种新的集成方法,与单个网络相比,该方法在准确率和AUC指标上表现最高。尽管AUC的改善在95%水平上无统计学显著性,但结果令人鼓舞。虽然本研究的检验效能对于单一诊断测试是适当的,但作者怀疑可能需要更大的测试样本才能识别模型之间具有统计学显著性的差异,特别是考虑到随着测试准确率接近100%,任何改善的幅度必然减小。该领域需要进一步研究,因为这种集成方法可广泛应用于其他医学影像分类任务。集成的原理是五个独立的网络架构产生了略有不同的错误,因此平均输出值有助于平滑这些独特的异常。

本研究得以创建一个极高质量的数据集。使用CT和手术记录作为更优的参考标准测试进行复合医学随访的方法,结合对不确定病例的增强审查,可以说是比其他地方报道的更为稳健的标注方法。数据集和训练模型的使用请求将被考虑(通过通讯联系第一作者),特别是用于进一步学术研究的目的。

有趣的是,本研究表明通过图像增强扩增训练数据并未产生改善的结果。这与其他地方发表的研究结果相矛盾32,并提示图像增强可能仅在某些情况下有效。这可能与样本中训练图像的数量以及这些图像对整个类别总体真实变异的代表性有关。如果训练集和测试集之间存在较大差异,则存在过拟合的趋势,而训练数据的增强将放大这一趋势。

局限性

限制这些发现临床相关性的一个主要问题是,腹部X线片诊断小肠梗阻的敏感性低于CT。33此外,在一些机构中,CT已完全取代平片成为一线检查。然而,尚不清楚这一趋势是否会持续,特别是如果CT需求继续超过长期存在放射科医师空缺的机构的能力。平片也可能在资源更有限的环境中(如发展中国家)继续发挥重要作用。

还需要指出的是,单张腹部X线片绝不能作为小肠梗阻诊断的唯一依据。所得发现始终需结合更广泛的临床背景加以考量,参考多种复杂因素,包括临床病史、体格检查结果、实验室检查及其他影像学检查方式。因此,诸如本文所提出的人工智能系统,其作用范围必须限于警示系统的角色,仅用于标记高风险病例以供紧急临床复核。该系统绝不会被用作作出诊断的唯一机制。

必须指出的是,本文所呈现的准确度指标并不代表人工智能联合腹部平片系统在临床上诊断小肠梗阻的准确度。它实际反映的是神经网络提供与当前金标准(即目前顾问放射科医师的意见)相符的结果的能力。因此,腹部平片固有的诊断局限性并未改变。增强的标注流程纳入了对更优影像学检查方式和手术结局的复核,理论上可用于改进这一现有金标准,但理想情况下应在前瞻性临床试验的背景下进行评估,在此类试验中可更准确地观察结局指标,并更客观地评估与放射科医师表现的比较。

数据集中的排除意味着该网络无法应用于临床实践中所有腹部X线片。然而,相关病例可通过申请单的计算分析或由申请临床医师手动“选择加入”来筛选。还需要进一步的工作来充分装备该网络以应对大肠梗阻病例和不确定病例。

本研究中的神经网络是在各类别病例数量相等的数据(即正常与异常病例的平衡数据集)上训练的。选择该方法是因为在不平衡数据集上训练的网络通常表现出对样本量最大类别的阳性偏倚。这是一个持续的研究领域,已有解决方案被提出以抵消这一现象,然而据作者的经验,这些解决方案中没有一个比简单地平衡组样本量表现更好。使用该策略的明显局限性在于,并非所有可用的正常腹部X线片数据都能用于训练。此外,由于也使用了平衡的测试集,在临床实践中(小肠梗阻发生率较低),性能指标可能会更低。这会因机构和临床环境而异,因此需要更多工作来评估特定临床环境中的性能。此外,人工智能解决方案对患者结局的理论影响也应在整合到患者诊疗路径之前通过前瞻性临床试验加以验证。

总之,本研究表明,深度学习形式的人工智能可用于以高准确度在腹部平片上识别小肠梗阻。本研究表明,诸如此类的人工智能解决方案可用于在图像采集时几乎即时识别高风险病例,标记该病例以供加快临床复核。在临床环境中进一步开展前瞻性试验可能是有必要的,以评估其对临床结局的影响。

引用

  1. Kim DH, Wit H, Thurston M, et al. An artificial intelligence deep learning model for identification of small bowel obstruction on plain abdominal radiographs. Br J Radiol. 2021. PMID: 33904763. doi:10.1259/bjr.20201407
  2. 全文:PMC8173678(PMC 开放获取,CC BY)https://pmc.ncbi.nlm.nih.gov/articles/PMC8173678/

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。