指南与共识技术与安全CTMRPET

ESR与EORTC关于影像生物标志物定量中病灶分割标准化的共识建议

Standardised lesion segmentation for imaging biomarker quantitation: a consensus recommendation from ESR and EORTC.
指南 / 共识 · Insights Imaging · 2022-10-04

该共识由ESR的EIBALL与EORTC影像组通过改良Delphi流程制定,旨在标准化病灶分割以支持影像生物标志物定量。58名多学科专家参与首轮,共识阈值设为≥75%同意。推荐包括系统性能认证、图像信噪比与对比噪声比阈值、空间分辨率与伪影水平要求,允许使用CE认证与经验证的研究工具,并将操作者培训与复训列为临床试验和研究的强制要求。

要点

  • 分割前需确认系统性能认证及图像信噪比、对比噪声比、空间分辨率与伪影水平符合推荐。
  • 允许使用CE认证工具与经验证的研究工具混合进行分割,但需用参考标准验证一致性。
  • 临床试验与研究中的分割操作者培训及复训为强制要求,临床实践中的复训频率未达共识。

核心结论

  • 系统性能认证、图像信号与噪声特性阈值、空间分辨率及伪影水平等条目达到≥75%共识,构成推荐。
  • 直接、迭代及机器学习或深度学习重建方法获认可,CE认证与经验证研究工具可混合使用。
  • 操作者培训与复训对临床试验和临床研究为强制要求,病灶内最小像素数与重建后算法使用需报告。

研究设计与样本

  • 改良Delphi流程由ESR的EIBALL与EORTC影像组发起,设三个多学科工作组分别负责模态与采集、分割方法、标准与后勤。
  • 首轮58名受访者应答,后续轮次邀请首轮应答者参与;共识阈值设为≥75%同意,60-74%为需报告条目,≤60%不推荐。

诊断标准与关键数值

  • PET的肿瘤-本底比阈值应研究特异性设定,>2.0视为可取。
  • 对比噪声比应≥1.0获75%受访者同意。
  • 伪影覆盖分割图像<5%时76%受访者认为图像可用;空间分辨率需以像素/厘米记录,但像素数 adequacy 未达共识。
  • 手动分割验证需独立观察者或自动化流程,自动化分割需人工验证并达到可接受的相似度评分;80%受访者认为DICE相似度>0.7应达标,68%认为应>0.8。

临床应用与阅片要点

  • 分割前应核查系统性能认证与图像质量指标(信噪比、对比噪声比、空间分辨率、伪影),不达标图像应排除。
  • 报告时应记录病灶内最小像素数及所使用的重建后算法。
  • 临床试验与研究须执行操作者培训与复训,培训数据量可为研究特异性数量或至少20个数据集。

局限性

  • 部分条目如临床研究系统认证、局部质量保证频率、最小像素数阈值等未达共识,推荐存在空白。
  • 受访者以放射科医师为主,SPECT成像因专业知识不足未得出结论。
全文中译23 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:Insights Imaging. 2022 Oct 4;13:159. doi: 10.1186/s13244-022-01287-4

要点

建议对分割进行系统认证和图像特征规范说明。

CE 标记和经过验证的研究工具均可用于分割。

在临床试验和研究中,操作者培训和定期更新培训是分割的强制要求。

需要报告分割病灶内的像素数以及所使用的重建后算法。

操作者的委员会认证和再培训频率无需强制规定。

引言

定量成像生物标志物(QIBs)为视觉图像解读提供额外信息。它们可能影响关于疾病是否存在、自然病史、最佳治疗计划/实施、通过干预/治疗及随访期间的纵向测量、对治疗耐药性的出现及其模式的识别,以及寡转移与多转移疾病状态的决策。因此,QIBs 稳健且可重复至关重要。为实现这一点,国际上已作出大量努力,致力于规范图像采集和分析的流程 [1, 2]。目前已有关于图像采集和分析方案质量保证与控制的建议,以便在多个中心和采集系统实施时能够比较所得的定量生物标志物,从而也使得临床试验中的数据合并成为可能 [3, 4]。然而值得注意的是,成像生物标志物提取整个过程中的一个关键组成部分,即分割程序本身(即将数据体积划分为感兴趣区),受到的关注相对不足,并且仍主要依赖人类观察者的感知 [5, 6],对于病灶或感兴趣区边界可能位于何处,意见和实践存在很大差异。这种变异性深刻影响所得 QIBs 的稳健且可重复的定量。例如,部位间和扫描仪间的变异(包括来自同一技术/示踪剂/适应症的不同方案,或即使同一模态的不同机器类型)会影响图像输出的外观,从而影响所得的分割和 QIB 数据。

可重复且准确的病灶分割不仅是从单一图像数据集精确推导生物标志物的基石,也是比较在多个时间点采集的图像(例如在动态或纵向研究中)或使用不同模态(包括各种磁共振成像(MRI)序列或不同的正电子发射断层扫描(PET)或单光子发射计算机化断层扫描(SPECT)示踪剂)采集的图像的基础。在需要对检查过程中的运动进行校正时,它也是必不可少的,并且在放射治疗和其他局灶性治疗的实施中尤为重要。可重复性有可能通过自动化得到改善[7, 8],而半自动化方法提高了准确性并避免了手动方法的多变性[9]。自动化可以采用自适应阈值和区域生长、基于图像梯度的活动轮廓和水平集、无监督统计和聚类分类、有监督机器学习分类以及基于卷积神经网络的深度学习方法[10–12]。具有临床试验审计追踪的稳健、可重复的分割方法将允许更大程度的自动化,从而提高生物标志物推导的一致性,并使工作流程不受人为变异的影响。这将进而支持标准化和改进算法以及人工智能(AI)方法的发展,用于自动化疾病评估。

图像分割涉及对病变或组织的识别和勾画[13]。识别是在图像中区分病变的过程,而勾画则涉及其空间范围的界定[14]。因此,显著影响病变分割的因素包括空间分辨率和对比度分辨率、图像噪声,以及病变形状、纹理和感知的变异性。尽管已有尝试引入标准和指南,特别是针对PET成像中的分割[15, 16],但分割过程仍存在相当大的差异[17–19],需要达成共识以改善临床试验和临床实践中定量影像生物标志物(QIBs)的推导。在MRI中,定量磁共振标准委员会已成立,旨在制定一个框架,确保从MRI数据中得出的定量指标在时间上、受试者之间、站点之间以及同一或不同厂商的设备之间具有可比性。标准化分割方法尤其在以下方面具有相关性:图像类型(例如解剖与功能数据集)、2D与3D分割、单病变与多病变分析、病变半暗带的纳入、分割感兴趣区在不同数据集间的转换(例如不同模态或时间点)、无法进行图像配准时所适用的标准、临床试验可接受的准确性,以及分割过程审计轨迹的建立。因此,本工作旨在通过专家间德尔菲流程达成的共识,建立推荐的分割标准。德尔菲法常用于定义[20]或临床实践[21, 22]存在差异的情况。德尔菲法依赖于结构化小组个体的决策,因为这些决策比非结构化小组的决策更准确[23]。因此,我们通过欧洲影像生物标志物联盟(EIBALL)、欧洲放射学会(ESR)的一个小组委员会以及欧洲癌症研究与治疗组织(EORTC),并在北美定量影像生物标志物联盟(QIBA)的支持下,寻求来自多个相关专业的意见,包括放射科医生、放射技师、核医学医师、技术人员、医学物理师、计算机科学家和放射肿瘤学家,以汇编标准化分割的建议。

方法

采用改良德尔菲法

通过启动与选定的主题内容专家的讨论,实施了改良德尔菲(mDelphi)流程[24]。德尔菲法的改良可能提高初始轮次的应答率,并基于先前已知和已开展的工作提供坚实的基础。为了在此过程中纳入尽可能多的主要利益相关者(即常规执行分割的专家),第一份调查通过欧洲放射学会和EORTC成像组广泛分发。收件人被要求考虑其在分割方面的专业知识和兴趣。EIBALL小组委员会和EORTC成像组指导委员会的成员被要求必须参与。

EIBALL和EORTC影像组指导委员会的初步讨论确定了三个需要达成共识以实现分割标准化的总体领域:(i) 模态与图像采集,(ii) 分割方法本身,以及(iii) 标准与后勤问题。这促使成立了三个多学科工作组(每个确定领域一个),每组由四人组成,提供医学物理学、放射学和核医学方面的专业知识。经过内部讨论后,每个工作组向协调人提交了涵盖各自领域实践中不确定性和差异的问题。图1展示了所采用的mDelphi流程的工作流程。本手稿的作者包括EIBALL和EORTC影像组指导委员会的所有成员,他们符合共识文件作者资格标准[21]。

图1 mDelphi流程的工作流程:mDelphi流程在EIBALL和EORTC影像组指导委员会层面启动。在第一轮(蓝色流程)中,分配了3个工作组(步骤1)来处理(i) 模态与图像采集,(ii) 分割方法本身,以及(iii) 标准与后勤问题。各工作组制定调查问题并提交给协调人(步骤2),协调人随后将其分发给参与者(步骤3),结果反馈给协调员(步骤4)。在第二轮(绿色流程)中,协调人接收(步骤5)并汇总答复,并将结果告知各工作组,以便他们设计第二轮问题并发送给协调人(步骤6)。这些新问题再次发送给第一轮的参与者(步骤7),并由协调员收集答复(步骤8)。对于第三轮以及迭代的第四轮(橙色流程),协调人收到的答复(步骤9)经过审查,制定有针对性的问题以达成共识,并再次分发给参与者(步骤10)。协调员收集的最终答复(步骤11)分发至EIBALL和EORTC影像组指导委员会(步骤12)进行审查和分析 查看原图 ↗

Delphi第一轮

本研究首先旨在确定哪些成像模态值得推荐用于标准化分割。各工作组以虚拟方式召开会议,围绕其指定主题拟定问题。成像模态与图像采集工作组针对每种成像模态提出了问题。这涉及仪器性能对分割图像质量、图像分辨率和对比度的相应相关性(包括对比剂的使用、动态扫描和辐射剂量)、手动分割过程中的重建后滤波、窗宽设置和阈值处理,以及伪影的可接受性。对于混合/分子成像,还讨论了与放射性示踪剂注射活度和从注射到扫描采集时间相关的额外考量(包括使用动态采集和分析时的动态方面)。分割方法学工作组围绕手动、半自动和自动分割的使用、算法的可接受性、如何设定限值和约束等问题拟定问题。此外,还审视了脑、头颈部、胸部、腹部和盆腔以及肌肉骨骼类别下的器官特异性要求。标准与后勤工作组围绕参考标准、评估过程和指标、分割轮廓的验证以及操作者培训等问题拟定问题。

德尔菲第2、3、4轮

第一轮之后,由主持人审阅上一轮专家预测的匿名摘要,并分发给所有工作组,以便设计进一步的问题以完善上一轮的结果(图1)。第3轮和第4轮包括重复第2轮和第3轮中已接近共识(60%–74%同意或不同意)的问题。第2、3、4轮的调查问卷分发给了第1轮的所有受访者。

数据分析

每轮调查的结果由一名独立操作员自动生成,该操作员同时管理调查的后勤工作,结果以受访者针对每个问题选择某一给定答案的百分比显示。这些百分比基于表示自己有足够知识回答该问题的受访者人数,并排除了弃权者。共识 agreement 的阈值设定为75%,因为此前一项系统综述显示这是100项德尔菲研究的中位阈值 [25]。其回答的详细信息(其中一些需要在第3轮和第4轮中进一步澄清)按交通灯系统分类——蓝色/绿色:≥75%的受访者同意某一项目;琥珀色:60%–74%同意某一项目;红色:<60%同意某一项目。因此,从德尔菲第1轮开始,若75%的受访者表示某一指标重要或极其重要,则该指标在第2轮中进一步审视。对于德尔菲第2轮,若75%的受访者选择了某一特定答案,则被视为一项推荐。若指标的选择率达到70–74%,则在第3轮中重新审视,对于因接近共识而仍需要澄清的问题,随后在第4轮中处理(图1)。

某一特定答案选择率为60–74%的指标被认为目前仍不在推荐指南范围内,但由于它们在开始时被确定为稳健分割的关注项目,因此被视为需要报告。

结果

应答率及受访者特征

虽然第一轮有71名参与者开始调查,但只有58人对调查问题做出了回应(40%为放射科医生,10%为核医学医生,17%为医学物理师,9%为放射技师,24%来自这些专业之外,包括计算机科学家和放射治疗师)。受访者的年龄中位范围为41–50岁,58%为男性。受访者当前的经验和实践情况见图2。

图2 mDelphi过程受访者的地理分布和经验,以及受访者的分割使用情况:58名受访者的执业国家见(a)。在受访者实践中执行分割和验证这些分割的技术人员类别分别见(b、c)。用于执行分割、归档、检索和修改分割,以及在不同模态和时间点之间传输和比较分割的工具见(d)。 查看原图 ↗

第一轮:确定标准化分割指南需要考虑的因素

限制标准化分割的因素被确定为:缺乏标准化数据采集(76%)、同一模态内设备变异性(68%)、缺乏标准化后处理方法(81%)、缺乏标准化分割工具(91%)、供应商特定分割软件的差异(85%)、受过培训的观察者之间的变异性(77%)、缺乏常规性能评估(91%)、缺乏与临床工作流程的整合(86%),以及缺乏 ground truth 数据(71%)。被确定为需要标准化分割的三种成像模态是CT和MRI(100%认为极其重要或重要)以及PET(98%认为极其重要或重要)。平面X射线、超声和闪烁显像未被确定为需要分割标准,且受访者中缺乏足够专业知识来对SPECT成像得出结论。

图像采集

91%的受访者认为图像对比度极其重要或重要,86%认为背景噪声极其重要或重要。95%的受访者认为遵守试验方案极其重要或重要,97%认为标准操作程序(SOPs)的可用性极其重要或重要。受访者还指出,无论何种模态,尤其是对于形态学图像,空间分辨率(88%)、对比分辨率(91%)和信噪比(SNR)(89%)为重要或极其重要。100%的受访者表示伪影的存在/不存在至关重要。

对于CT,被认为极其重要或重要的模态特异性采集参数是那些影响空间分辨率(94%)、辐射剂量(81%)和对比剂剂量(85%)的参数。患者准备、患者体位、系统性能、扫描仪类型和辐射剂量本身不被认为重要。对于MRI,成像序列(98%)以及影响空间分辨率(92%)和对比剂剂量(80%)的成像因素也被认为极其重要或重要,而患者准备、患者体位、系统性能和扫描仪场强则不被认为重要。对于PET,患者准备、采集时间、放射性药物给药活度、扫描仪相机类型、重建方法和系统性能均被认为极其重要或重要(分别为89%、95%、92%、85%、97%和89%),但患者体位不重要。

图像处理

在CT和MRI上被认为极其重要或重要的图像处理参数包括重建中应用的滤波器(分别为87%和91%)、重建算法(分别为87%和92%)以及嵌入的重建后图像处理(分别为87%和92%)。对于PET,89%和93%的受访者认为滤波器和重建算法重要。窗宽和窗位设置(即显示亮度和对比度设置)、房间照明以及工作站性能在所有模态中均被< 75%的受访者强调。

分割过程

79%的受访者同意用于分割的工具可以是CE标记工具或研究工具的混合,分割的一致性必须使用参考标准进行验证(96%),并且性能必须通过多个独立观察者分割进行评估(93%)。诸如仅使用CE标记工具、使用单一研究验证分割一致性以及轮廓的算法评估等标准在第一轮中未达成共识。

参考标准、分割验证和操作者培训

84%的受访者同意需要参考标准,在适用情况下需要比较自动和手动轮廓(93%),应使用分割准确性指数(93%),自动分割结果必须由人类观察者验证(77%),并且对于具有高固有变异性的生物标志物应在个体设置中测试可重复性(93%)。训练算法时使用的参考标准应基于多个经过培训的观察者的分割(91%),但委员会认证或该任务的丰富经验不被视为必要标准。手动分割的验证被认为是必要的;这可以由经过培训的观察者执行分割(77%)或由独立的经过培训的观察者(85%)来完成,但同样,这些人员不需要委员会认证或具有该任务的丰富经验。自动分割的验证被认为需要事先了解解剖学以定义约束条件(86%),以及在算法开发期间(95%)和转化为临床常规时(78%)由经过培训的观察者进行验证。100%的受访者认为操作者培训是必要的。

由在这些领域具有特定专业知识的受访者所指示的分割的器官特异性要求见表1。

表1 第一轮中分割的器官特异性要求 查看原表 ↗

第二轮:为第一轮中确定的项目建立共识意见以用于指南推荐

50名参与者对第二轮作出了回应。每个项目的受访者数量和百分比回应(含弃权)见表2。第三轮和第四轮旨在减少琥珀色类别,因为德尔菲过程的目的是达成共识。系统性能:对于临床试验,已达成共识,即必须遵守系统性能指南,并且所有成像都需要站点特定认证。对于试验之外的临床研究,这一点仍存在分歧。

伪影:共识认为,若任何伪影传播至正在分割的图像中,则应将这些图像排除在分割之外(65%);另有11%的受访者表示,只有当正在分割的图像中超过5%的区域受到伪影影响时才应排除图像,因此,76%的受访者认为无伪影或伪影影响图像区域<5%的图像被视为可用。

信噪比(SNR)、对比噪声比(CNR)、肿瘤-本底比(TBR):共识认为,评估病灶是否适合分割的SNR阈值应根据成像模态、扫描方案、序列/示踪剂、所分割的器官或组织来确定,设定阈值时还应考虑病灶大小;PET的TBR阈值应因研究而异,>2.0被视为理想水平。关于CNR,75%的受访者表示应等于或大于1.0。在分割边界不清的病灶时,是否需要规定作为参考的单独模态的特征(SNR、CNR、空间分辨率、TBR)未达成共识。关于是否应规定参考模态相对于所分割图像的采集时机亦未达成共识,此事可由操作者自行决定。

空间分辨率:分割病灶时,95%的共识认为空间分辨率应以像素/cm记录,但关于多少像素为 adequate 意见不一。仅13%的受访者表示<5个像素是可接受的。

后处理:以下后处理步骤被认为可接受并达成共识:(i) 直接重建;(ii) 迭代重建;(iii) 基于机器学习(ML)或深度学习(DL)的重建;(iv) 窗宽窗位(即显示亮度和对比度)范围需按各器官分别规定(81%);(v) 查找表是允许的(86%)。

参考标准:共识认为,参考标准应包括多名经过培训的观察者,或经过培训的观察者与自动分割流程的组合。

验证:88%的受访者表示,手动分割流程的性能评估/验证必须由独立观察者或自动化流程执行。然而,76%的受访者同意自动化流程需要由人工观察者进行验证,并达到如图3所示的可接受相似度评分。

操作者培训:100%的受访者认为操作者培训对于临床试验和临床研究是强制性的。此类培训应基于研究特定数量的数据集或至少20个数据集。共识认为,操作者培训应在临床试验(98%)和临床研究(88%)中定期更新。30%的受访者表示应仅在新试验时进行,42%建议每年更新一次,26%建议每2年更新一次。80%的受访者表示,相对于参考标准应达到DICE相似度评分(作为此类指标的代表)>0.7,68%表示应>0.8。

表2 源自mDelphi过程的病灶分割建议(第1轮 n = 58;第2轮 n = 50;第3轮 n = 39;第4轮 n = 44) 查看原表 ↗
图3 基于病灶定义观察者间可重复性良好与较差的示例:眶淋巴瘤患者(A、B)和右侧特发性眶部炎症患者(C、D)的轨道脂肪抑制冠状位T2W图像。在(A、B)中,2名观察者分割之间的可重复性极好(Dice相似系数0.97),而在(C、D)中观察者分割的可重复性较差,其中病灶边界不清(Dice相似系数0.5) 查看原图 ↗

第3轮和第4轮:澄清前几轮中共识意见不明确的要点

系统性能:对于临床研究所需的认证,以及本地系统质量保证(QA)的频率,未达成共识。

SNR、CNR、TBR:100%一致认为SNR阈值应取决于模态、方案、序列/示踪剂,并由所分割的器官或组织确定(89%),但仅73%认为病灶大小重要(上一轮为75%)。PET中的TBR应设为研究特异性(86%),这被认为比定义2.0的下限阈值更为关键。

空间分辨率:对于考虑病灶适合分割时是否需要10个或更多像素,未达成共识。

图像处理:低于指南共识限值的因素包括使用滤波器进行平滑或边缘增强、降噪以及重建后对比度增强(如直方图均衡化)。

参考标准:84%的受访者同意,在存在自动化参考方法的情况下,参考标准必须包括此类自动化方法以及多名独立观察者的分割,以尽量减少自动化算法未识别的误差(图4),或排除分割病灶内干扰定量的区域(如坏死)(图5)。

验证:对于是否可仅使用自动化流程进行分割验证,未达成共识;仅70%的受访者表示这可接受。

操作者培训:操作者培训所需的数据集数量应由研究设定,需要10至40个之间(91%)。88%的受访者同意,即使在临床试验之外,临床研究也应更新操作者培训,70%表示临床实践也需要如此。对于复习培训的频率未达成共识,多数(56%)受访者选择每2年一次;43%建议每年一次。

表2中绿色高亮框基于上述数据,它们产生了源自专家小组对mDelphi流程回答的指南建议。

图4 自动化分割并经人工观察者验证和调整的示例:纵隔淋巴瘤的融合冠状位(左)和轴位(右)[18F] FDG PET/CT图像,分别为自动化分割后(上)和人工调整后(下)。自动化分割使用PET VCAR(General Electric)软件基于估计阈值方法,阈值权重为0.5。它包括心肌的生理性摄取。需要人工检查并调整以排除心脏。 查看原图 ↗
图5 生物标志物推导所选区域分割示例,需在标准操作规范中明确说明:一例T3N1M0非小细胞肺癌患者通过胸部中段的轴位[18F]FDG PET/CT图像。在(A)的CT图像上,肿块内对比度较差。PET扫描(B、C)可区分肿瘤及其中心坏死区。在(B)中已对整个肿瘤进行分割,但由于纳入坏死会影响定量生物标志物的推导,因此在分割时排除中心坏死区更为可取,如(C)所示。存活肿瘤体积采用阈值为SUVpeak的41%进行勾画,SUVpeak通过直径12 mm的球体获得,并针对局部本底进行校正。大体肿瘤体积通过将中心坏死体积加至存活肿瘤体积而生成。 查看原图 ↗

讨论

专家组

从广泛的国际多学科EIBALL和EORTC影像组各分委员会中遴选专家,避免了可能严重威胁德尔菲结果有效性和可靠性的方法学缺陷[26]。由于专家组的遴选对结果有重大影响,我们力求纳入各类主要利益相关方,这体现在仅50%的受访者为放射科医师和核医学医师,另一半来自相关专业,尤其是医学物理和计算机科学,这些专业与(自动化)分割过程密切相关。我们还确保专家组50%的成员来自EIBALL分委员会和EORTC影像组分委员会,所有这些人均为影像学界的资深成员,在各种相关情境中具有丰富的分割经验。一项对1978年至2009年间采用德尔菲法的49项研究进行的系统评价显示,专家组成员数量的中位数为17,且随时间推移而增加。专家组包括多个利益相关方,其中95%的情况下为医疗保健专业人员[24]。近年来,涉及影像学的德尔菲研究已召集了由18–50名相关利益相关方组成的多学科专家组[27–30]。

系统性能

系统性能的变异性已被广泛认为是影响图像生物标志物定量的一个因素[31]。因此,在为分割选择图像时(这是大多数定量方法的关键组成部分),必须考虑到这一点,不仅在临床试验和研究中如此,在根据测量结果做出治疗决策的个体中进行纵向测量时也是如此。系统性能的变异性会影响人类和算法对病灶边界的感知。例如,当使用自动化(如基于机器学习的)分割算法且训练是在来自质量控制设备的数据上进行时,来自性能可变的其他系统的数据可能会加剧分割误差。核医学界已建立了完善的设备和站点认证体系,确保系统符合公认的性能标准,并且有定期的质量保证和控制程序,使得这些站点和设备获得认证可在临床试验中进行定量测量。此类体系在CT和MRI中并未常规建立,参与试验时需要逐个站点进行审查和批准。然而,试验研究者越来越多地实施此类程序以汇总多中心数据,例如用于放射组学分析的CT试验[32]、利用影像生物标志物的乳腺癌MRI试验[33, 34]、前列腺癌[35]和卵巢癌[36]试验。在我们的调查中,对于临床试验的系统性能认证要求存在共识,尽管在非试验环境的研究中未达成共识。

伪影

与放射治疗计划中的分割不同——后者的病灶勾画是为了指导治疗——用于图像生物标志物定量的分割需要详细关注伪影的位置及其对从分割病灶衍生数据的可能影响。例如,具有辐射衰减的非铁磁性金属植入物在CT中可能特别成问题。当伪影遮蔽病灶边界从而影响分割时,不建议通过外推病灶边缘来提取定量信息。然而,尽管大多数受访者认为任何程度的伪影都是不可接受的,但75%的受访者认为接受无伪影或5%伪影是可接受的。在临床试验中,这存在患者层面偏倚的风险——病情更重的患者可能因伪影而被排除——或病灶层面偏倚的风险——分割的感兴趣区(ROI)可能未涵盖整个病灶及其异质性(例如,如果血管更丰富的周边与更坏死的囊性中心区域之间存在显著差异)。

信噪比(SNR)、对比噪声比(CNR)和靶本比(TBR)

会议达成共识:信噪比(SNR)阈值应根据成像模态、器官和病灶大小来设定。已在不同SNR条件下,就扩散张量成像(DTI)和扩散峰度成像(DKI)指标的可重复性对噪声校正方法进行了比较[37]。噪声偏倚校正对本身SNR较低的技术(如扩散加权成像(DWI))的定量具有强烈影响,而噪声偏倚在开展组间研究时可能导致错误结论。噪声偏倚校正可显著降低与噪声相关的个体内和个体间变异性,在DKI等低SNR研究中不应被忽视[37]。

对比噪声比(CNR)和靶本比(TBR)深刻影响病灶边缘的感知,因而直接影响分割及由此得出的衍生定量参数。例如,在MRI中,通常使用提供最高对比度的序列进行分割,然后将相应的感兴趣区(ROI)复制到病灶与背景之间对比度不那么显著的图像上[38]。在PET中,高TBR同样对代谢活跃的肿瘤有利,而对代谢活动低的病灶分割则造成困难。在CNR或TBR较高时,可更有信心地进行自动分割,因为阈值化、区域生长和机器学习等技术此时都变得更为稳健。阈值化(固定、自适应或迭代)通过将所有大于某一值的体素定义为前景、将所有其他体素视为背景,将灰度图像转换为二值图像[39]。部分容积效应(与成像模态的空间分辨率相对于感兴趣区大小的关系有关)对最佳阈值的选择有决定性影响。在许多临床研究中,将诸如标准摄取值(SUV)2.5(用于PET)或表观扩散系数(ADC)1.0 × 10–3(用于DWI-MRI)等数值设定为预定义阈值水平,以区分恶性与良性病灶,但即使在相同组织类型中,多项研究之间也可能存在相当大的差异[40, 41]。来自该Delphi流程的数据表明,1.0是放射学图像的最低CNR阈值,2.0是PET数据可接受的TBR。

修改临床实践中可由用户选择的采集参数会显著影响对比噪声比(CNR)。在临床试验中,因此理想的做法是优化这些参数以获得能够支持稳健分割方法的CNR。Brambilla等人[42]研究了当改变采集参数如发射扫描持续时间(ESD)或采集开始时的活度(A(acq)),或目标尺寸或TBR等取决于被成像物体固有特性的对象属性时对CNR的影响。他们表明,ESD是CNR方差最显著的预测因子,其次是TBR和给定球体(作为测试对象)的横截面积,而A(acq)被发现是最不重要的。因此,提高ESD似乎比提高A(acq)更有效地增加CNR以改善目标分割。此外,在确定分割的百分比阈值时,对于直径≤10 mm的目标,目标尺寸是阈值选择中最重要的因素,其次是TBR,而对于≥10 mm的目标,TBR在阈值选择中更为重要[42]。这反映在我们的建议中,即不建议选择直径<10 mm的目标来提取定量成像生物标志物数据。

空间分辨率

选择用于分割的图像的空间分辨率未被常规引用,我们的数据表明有此需要,尽管对于应设定何种大小阈值未达成共识。大多数受访者表示5个像素或更少太少,下限应设在感兴趣区内10至20个像素之间的某处,以便捕获病灶异质性并足够代表生物标志物定量。目标病灶的这种大小下限也取决于模态和仪器的固有分辨率特性,还与确保部分容积效应不会显著影响衍生测量有关。

后处理

指定后处理方法未达成共识,尽管一致认为应使用器官和模态特定的窗宽和窗位方法。多种方法似乎可接受,而未指定是否使用边缘增强、平滑或降噪滤波器。然而,在临床试验中,应强制执行这些参数的记录,因为在第一轮中它们被认为重要或极其重要。这些数据目前未被记录,甚至在临床试验中也未记录。

参考标准和验证

由于模体能提供图像中物体的精确尺寸,使用模体是为测量算法或完整成像流程性能构建替代真值的一种方法。合成图像可有效地充当数字模体,其中真实物体的大小和边界已知,并且可以受到变化的噪声、伪影或其他混杂效应的影响[43]。或者,可以将手动分割的结构与算法生成的分割在重叠或边界差异方面进行比较[44]。这种策略常用,但由于人类感知的变异性,重要的是纳入尽可能多的手动分割,并将这些分割结合起来形成单一的统计金标准。广泛使用的同时真值和性能水平估计(STAPLE)方法通过根据估计的性能水平对每位专家观察者的分割进行加权来估计金标准分割[45]。我们的研究强调,为生成参考标准,手动分割需要多名操作者。我们的调查强化了使用多名操作者,或由自动化过程辅助的人类操作者,特别是在验证方面。在算法开发和后续推广过程中,人类操作者的输入被认为对于验证自动化过程至关重要,同时还需要定期的培训间隔。

操作者培训

手动分割高度主观,文献中常报告操作者内和操作者间一致性率(引用各操作者相关经验年数),以表明所获得的替代真值的可靠性和分割问题的难度水平。此外,手动过程耗时且劳动密集。在一项涉及来自4个不同科室的18名医师的研究[46]中,定义为体积重叠≥ 70%的一致性仅在21.8%的放射肿瘤学家和30.4%的血液肿瘤学家中发现。较小病灶(即< 4 cm3)更受部分容积效应影响[47],在固定的、基于阈值的模体研究中已显示这关键取决于病灶大小(例如相对于成像分辨率)、对比度和噪声[48],因此操作者分割的挑战和一致性也与这些因素相关。我们的工作表明,操作者培训比委员会认证和多年经验更重要,并且更新培训(例如使用20个或更多数据集)在临床试验中按每个试验为基础很重要,对临床研究和临床实践也是必要的。我们还达成共识,这种性能应针对参考标准进行验证,并达到至少0.7的DICE相似度(作为此类指标的代表)评分。

结论和建议

在ESR的EIBALL小组委员会和EORTC影像组指导委员会主持下,并得到定量成像生物标志物联盟(QIBA)认可而进行的mDelphi过程,产生了一系列用于标准化图像分割的共识声明:所有成像都需要针对临床试验进行正式的单位特定认证(证明)。

分割应遵循器官特异性指南和标准操作方案。

纵向测量应始终使用同一平台(包括硬件和软件(分割方法))。

应设定并明确用于分割的图像在图像信噪比(SNR)、对比噪声比(CNR)、靶本比(TBR)和空间分辨率方面的阈值。

分割时,仅可考虑纳入图像内伪影< 5%的图像。

分割时,直接重建、迭代重建以及机器学习和深度学习辅助重建均可接受。

如果已对照参考标准验证其一致性,则可接受混合使用CE标记和研究用分割工具。

参考标准可通过手动或自动方法得出:使用手动分割的参考标准必须包括多名独立受过培训的观察者分割;在存在自动方法的情况下,必须将其与多名(n > 2)独立受过培训的观察者结果一并纳入。

对边界不清、界限欠清的病灶进行分割时,应使用多模态成像作为参考;分割界限欠清病灶时用作参考的其他图像必须明确其特性(SNR、CNR、TBR、空间分辨率)。

分割必须由人工操作者或自动流程验证:对于手动流程,这需要多名独立观察者评估;对于自动流程,这需要在算法开发期间以及临床或试验使用期间有人类观察者输入。

操作者培训对于临床试验和临床研究是强制性的,并且要求至少20个或研究特定数量的数据集;应每2年或在新的试验时更新培训,并达到相对于参考标准的DICE系数> 0.7(或等效指标)。

上述陈述构成了医学影像分割标准化的指南,采纳这些指南应对开发更具可重复性的研究以及将结果转化为临床实践以造福患者产生积极影响。

引用

  1. deSouza, van der Lugt, Deroose, et al. Standardised lesion segmentation for imaging biomarker quantitation: a consensus recommendation from ESR and EORTC. Insights Imaging. 2022. PMID: 36194301. doi:10.1186/s13244-022-01287-4
  2. 全文:PMC9532485(PMC 开放获取,CC BY)https://pmc.ncbi.nlm.nih.gov/articles/PMC9532485/

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。