共识轮廓能否提高18F-FDG PET肿瘤勾画的稳健性与准确性?
本研究基于225例鼻咽癌临床数据和13个XCAT模拟肺肿瘤,比较四种自动分割方法及多数投票共识轮廓。结果显示共识轮廓可降低不同初始掩膜间的分割变异性、提高稳健性,但平均而言并未提高分割准确性;不规则初始掩膜也有助于减少变异性。
要点
- 共识轮廓主要提高分割稳健性,而非平均准确性。
- 不同初始掩膜显著影响MATV等定量指标。
- 呼吸运动导致所有方法低估肿瘤边界。
核心结论
- 共识方法可减轻不同分割方法间的变异性并增强肿瘤分割的稳健性,但平均而言并未提高分割准确性。
- 不规则初始掩膜至少在某些情况下有助于减轻分割变异性。
研究设计与样本
- 研究纳入225例鼻咽癌临床病例和13个XCAT模拟肺肿瘤,基于18F-FDG PET影像。
- 临床数据来自梅州市人民医院2018至2020年,使用Siemens mCT PET/CT扫描仪采集。
- 模拟数据包含有呼吸运动(XCAT4D,体积6.64–69.34 cm³)和无呼吸运动(XCAT3D,体积3.57–54.66 cm³)两种条件。
- 采用主动轮廓自动分割(MASAC)、亲和传播(AP)、对比导向阈值法(ST)和41%最大肿瘤值阈值(41MAX)四种方法,并以多数投票规则生成共识轮廓(ConSeg)。
- 以代谢活性肿瘤体积(MATV)、相对体积误差(RE)和Dice相似系数(DSC)及其重测信度指标进行定量评估。
关键影像表现/征象
- AP在不同初始掩膜下MATV变异性最高,矩形掩膜导致MATV显著小于不规则掩膜(鼻咽癌43.68%、XCAT4D 41.44%、XCAT3D 38.10%)。
- ConSeg的MATV重测信度(鼻咽癌0.09、XCAT4D 0.03、XCAT3D 0.06)优于AP(0.64、0.53、0.47),但略差于ST或41MAX(多数情况下为0.00、0.00、0.07)。
- 在模拟数据中,AP的重测信度最差(RE:XCAT4D 0.77、XCAT3D 2.67;DSC:XCAT4D 0.28、XCAT3D 0.13),ConSeg显著优于AP(RE:0.04、0.17;DSC:0.01、0.01)。
- 所有方法在包含呼吸运动的XCAT4D模拟数据中均低估肿瘤边界(矩形掩膜41.61%、不规则掩膜35.83%)。
诊断标准与关键数值
- 以DSC大于0.7作为分割一致性良好的参考阈值。
- 共识轮廓基于四种分割结果的多数投票规则生成。
- 重测信度指标计算为两种初始掩膜(矩形与不规则裁剪)所得指标之差。
临床应用与阅片要点
- 日常勾画时应优先选用不规则初始掩膜以降低分割变异性。
- 对含呼吸运动的胸部病变,PET分割可能系统性低估肿瘤边界,需结合呼吸门控或固定装置。
- 共识轮廓可作为减少操作者间差异的稳健工具,但不应期望其提高平均准确性。
局限性
- 鼻咽癌临床数据集缺乏金标准,无法评估临床分割准确性。
- 模拟数据可能不足以完全反映临床治疗评估中的分割偏差。
- 未研究18F-FDG摄取的时间相位效应对分割结果的影响。
全文中译10 节 · 点击展开
引言
近年来,在放射治疗计划、肿瘤反应和预后评估中,正电子发射断层成像(PET)图像(如原发肿瘤或大转移灶)的肿瘤边界勾画越来越关键[1–3]。然而,从含噪PET图像中区分肿瘤边界十分困难。尽管过去20年间已开发了大量PET分割方法,但大多数已发表算法的验证要么不充分,要么不一致[4]。Daisne等[1]证明了在采用适当分割方法的前提下,PET成像用于头颈部癌肿瘤勾画的潜在价值。Nestle等[5]比较了非小细胞肺癌患者PET成像中的不同勾画方法,发现不同方法导致肿瘤轮廓存在实质性差异,需要用患者数据进一步评估。PET成像中的肿瘤体积勾画似乎是方法依赖性的,并且对操作者间和操作者内的高度变异性敏感,这对一致且准确地获得定量指标提出了特殊挑战[6]。
鉴于上述情况,亟需一种对 various 成像情况不敏感且可简单用于临床常规的PET成像肿瘤体积勾画方法。最佳分割方法的选择似乎高度受制于成像流程、操作者间和操作者内条件[4, 6, 7]。因此,使用基于不同个体分割结果的共识轮廓,可能是应对各种临床情况下PET成像分割的解决方案。Lv等[8]使用两个手动分割的交集来提取放射组学特征,并评估其对鼻咽癌(NPC)患者的预后性能。Cao等[9]探索了使用PET/MR对NPC患者进行剂量绘画的潜在应用,并发现来自不同图像的体积轮廓存在差异,由聚类分析确定的体积可能值得在放射肿瘤学中考虑。McGurk等[10]研究了使用分割组合来减少不同分割方法的各种性能差异,发现分割组合可以提高准确性,并且对不同分割方法的性能变化具有鲁棒性。Schaefer等[11]评估了共识方法对不同分割的影响,发现共识轮廓能够对不同分割方法不一致的性能提供鲁棒性。
尽管如此,这些研究仍因缺乏真实的模拟金标准和临床数据规模有限而受到质疑[10, 11]。这些研究中采用的是具有均匀活性水平的简单体模模拟,或是以手动勾画、CT或宏观标本作为金标准的有限临床数据(< 40例患者),这可能不足以充分证明共识轮廓的稳健性和准确性。共识方法在更真实的模拟肿瘤或更大的临床患者数据中表现如何仍不清楚。在此背景下,本研究的目的是通过人体模体模拟和更大的临床数据库,在2-脱氧-2-[ F]氟-D-葡萄糖( F-FDG)PET成像中验证基于不同分割方法的共识轮廓的稳健性和准确性。
方法
人体模体模拟
在本研究中,真实的人体模体模拟如前所述[12, 13]基于扩展心脏-躯干(XCAT)模体构建。具体而言,真实的肿瘤形状通过阈值方法从临床数据(7例肺部肿瘤和6例喉鳞状细胞癌)中提取,并按照Le Maitre等人提出的方法[14, 15]整合到XCAT模体中。在本研究中,肿瘤内模拟了三种不同的活性水平以模拟真实的瘤内摄取异质性。然后,基于双组织室模型和文献中提供的动力学参数生成了若干 F-FDG时间-活性曲线(TACs)(表2)[13, 16–20]。每条建模的TAC被指派给模拟模体中相应的组织。最后,在注射后70分钟生成无噪声模拟发射图,70分钟时病灶内摄取比值水平为11.01:10.14:6.62,病灶外背景设为1。
此外,为评估呼吸运动的影响,分别在有呼吸运动和无呼吸运动条件下进行了模拟。具体而言,采用呼吸周期5秒、膈肌最大运动幅度1.5 cm、前后最大扩张幅度0.5 cm,并将其分为10个时相。然后,假设5秒呼吸周期内摄取值不变,通过对这10个时相取平均值最终生成包含呼吸运动的无噪声模拟,静态模拟则在呼吸周期的中间时间点(第3时相)生成。
最后,采用解析全三维前向投影仪,基于西门子Biograph mCT PET/CT扫描仪模型生成PET正弦图。随后,将相应的衰减图应用于正弦图以获得衰减后的PET数据,之后添加定量水平的泊松噪声,等效于每个床位180秒的采集时间。然后使用有序子集期望最大化(OSEM)算法对含噪投影数据进行重建,该算法使用14个子集和28个子迭代,随后应用2 mm的高斯平滑滤波器。所有这些投影和重建过程均在断层图像重建软件(STIR)[21]中完成。所有模拟图像的矩阵大小体素尺寸为。总共模拟了13个不同的肿瘤,包括有呼吸运动范围(XCAT,体积范围6.64–69.34 cm³)和无呼吸运动(XCAT,体积范围3.57–54.66 cm³)的肺部位置肿瘤。在引入噪声进行模拟后,XCAT和XCAT的肿瘤内平均活度(模拟真值)与背景掩膜之间的比值分别为3.44和4.04。模拟流程图如图1所示。
临床数据库
临床研究包括225例鼻咽癌(NPC)病例,这些病例的全身F-FDG PET图像于2018年至2020年在梅州市人民医院使用mCT PET/CT扫描仪(西门子,德国)采集。临床研究中的真值无法先验获知,这使得评估分割结果的准确性不可行,但可以研究不同分割方法在不同肿瘤掩膜下的稳健性。所有患者在F-FDG PET/CT显像前至少禁食6小时。根据患者体重(4.81 MBq/kg)注射F-FDG,摄取60分钟后进行PET/CT扫描。然后使用供应商提供的TrueX算法(21个子集和2次迭代)结合飞行时间技术重建PET数据,使用低剂量CT进行衰减校正,所有重建图像的矩阵大小为200×200,体素尺寸为4.07 mm×4.07 mm×3.00 mm。还对PET数据应用了半高全宽为5 mm的重建后高斯平滑滤波器。患者特征见表1。肿瘤内平均摄取比值(分割结果)与背景掩膜之间为2.60。本研究经梅州市人民医院伦理委员会批准。
PET分割与分析
为评估肿瘤勾画的影响,应用了四种不同的分割方法:使用活动轮廓模型的自动分割方法(MASAC)[12]和亲和传播算法(AP)[22]、Schaefer等人的对比导向阈值法(ST)[23],以及使用肿瘤最大值41%作为阈值的分割方法(41MAX)[24]。具体而言,MASAC中的参数lambda设为3,而AP保持默认参数并以最大分组作为其分割结果。
对于每个病例,无论是模拟的肺部肿瘤还是临床数据中的原发肿瘤,均采用这四种不同的分割方法来自动勾画肿瘤体积。此外,每种分割方法均使用两种不同的用户自定义肿瘤掩膜(规则矩形区域和不规则裁剪区域)来执行,以评估分割方法的稳健性。本研究采用共识分割方法(ConSeg),即基于四种不同分割结果应用多数投票规则[10, 11]。
采用代谢活跃肿瘤体积(MATV)对分割结果进行定量评估。对于具有已知金标准的模拟病例,还采用相对体积误差(RE)和Dice相似系数(DSC)来定量评估这些PET分割方法的准确性,其定义如下:其中SM和GT分别代表分割方法和金标准[12, 25–27]。此外,为评估不同方法的稳健性,计算了两种不同初始肿瘤掩膜之间指标的重测重现值( ):其中 和 分别为矩形掩膜和不规则裁剪掩膜得出的指标。
统计分析
统计分析使用R 4.1.3软件进行[28]。采用非参数Friedman检验及事后Wilcoxon检验(Bonferroni校正多重比较)评估不同分割结果之间的差异。P值<0.05视为差异有统计学意义。结果以中位数及括号内的四分位距(IQR)表示,并视情况以箱须图呈现,展示下四分位数至上四分位数(第25至75百分位数,中央箱体)、中位数(箱体中间线)及最小值至最大值。具体而言,图中最小值按下四分位数减1.5*IQR计算,最大值按上四分位数加1.5*IQR计算。为便于展示,被识别为1.5*IQR的离群值从图中(须线)移除。
结果
代表性分割结果
本研究评估数据涉及鼻咽癌(NPC)临床数据库和XCAT体模模拟。图2展示了NPC(A)、XCAT(B)和XCAT(C)中不同方法的不同勾画轮廓。可以观察到,与其他方法相比,AP在不同初始掩膜下表现出更高的变异性,且与矩形掩膜相比,在不规则掩膜下准确性有所提高。此外,显而易见的是,所有方法在XCAT中均低估了待分割病灶。
稳健性检验
从图3可以看出,使用不同的掩膜导致评估数据和大多数分割方法(XCAT中ST(P = 0.059)和XCAT中MASAC(P = 0.080)除外)在MATV上产生显著不同的分割结果。具体而言,对于NPC或XCAT,与其他分割方法相比,AP在使用不同掩膜时MATV的变异性最高。与不规则掩膜相比,使用矩形掩膜导致AP的MATV显著更小(NPC:43.68%,XCAT:41.44%和XCAT:38.10%)。此外,ST和41MAX在不同掩膜下对MATV表现出相对一致的性能,且ST与41MAX之间无显著差异(图3及表3和表4)。
在图3中应注意,对于两个评估数据,ConSeg在MATV上表现出远优于AP的TRT性能(NPC:0.09,XCAT:0.03和XCAT:0.06),而AP为(NPC:0.64,XCAT:0.53和XCAT:0.47);在大多数情况下,ConSeg在MATV上的TRT略逊于ST或41MAX(NPC:0.00,XCAT:0.00和XCAT:0.07)。在模拟数据的RE和DSC中也发现了类似趋势(图4),其中AP表现出最差的TRT性能(RE:XCAT中0.77和XCAT中2.67,DSC:XCAT中0.28和XCAT中0.13),而ConSeg相对于AP实现了远更好的TRT(RE:XCAT中0.04和XCAT中0.17,DSC:XCAT中0.01和XCAT中0.01)。
准确性测试
应用共识方法似乎减轻了不同分割结果的高变异性,但平均而言并未提高分割准确性(表3和表4及图4)。更具体地说,四种分割结果的平均值(AveSeg)在XCAT中表现出略好的RE(矩形:3.12%,不规则:6.98%),在XCAT中表现出远更好的RE(矩形:85.20%,不规则:96.72%)。此外,与ConSeg相比,AveSeg在矩形掩膜方面无显著差异,在XCAT不规则病例中DSC略好(AveSeg:0.77,ConSeg:0.76),但在矩形掩膜方面DSC略差(AveSeg:0.83,ConSeg:0.87),在XCAT不规则病例中DSC相当。
此外,与矩形掩膜相比,AveSeg和ConSeg在不规则掩膜中的RE分别从10.31%大幅改善至82.99%,DSC从1.15%略微提高至6.02%(表3-4)。AP在使用不规则掩膜时,在XCAT(RE:58.23%,DSC:31.75%)和XCAT(RE:41.52%,DSC:11.25%)中也显示出比矩形掩膜好得多的分割结果。此外,在大多数情况下,除XCAT中的DSC外,与其他分割方法相比,MASAC在矩形或不规则掩膜中RE或DSC的IQR均大得多。另外,显而易见的是,对于包括呼吸运动在内的XCAT模拟数据,所有方法相对于金标准均低估了肿瘤边界。
讨论
已经证实,不同分割结果存在很大变异性,所有分割结果都需要全面审查[4, 6]。为减少这些变异性,共识方法在许多研究中被广泛采用[10, 11, 29, 30]。我们的研究表明,定量指标如MATV、DSC和RE可能受到不同分割方法和初始裁剪掩膜的很大影响,而使用共识轮廓有助于减轻某些在不同条件下可能具有高分割变异性的个体方法的影响。换言之,共识方法可以缓解这些变异性并增强肿瘤分割的稳健性,但似乎并未在平均意义上提高分割准确性。
我们的结果似乎与McGurk等[10]的研究不一致,该研究仅使用美国国家电气制造商协会图像质量体模模拟了均匀活性水平,并发现对于所有模拟形状、大小、对比度和扫描持续时间,与任何单一方法相比,共识方法均实现了更高的分割准确性。这是因为我们研究中的共识方法以不同独立结果的多数票作为共识轮廓,仍然受到不同个体分割结果的影响。例如,如果所有个体分割方法都低估或高估了病灶轮廓,那么共识方法在分割结果上存在平均偏倚是合理的。此外,理论上如果每个个体分割方法的准确性大于0.5,多数票方法可以提高分割结果的准确性。然而,由于PET图像因临床适应证而具有多样性,每种分割方法很难对所有类型的临床肿瘤学适应证都达到大于0.5的准确性,因此多数票方法的准确性在平均意义上可能相对于个体分割方法并未提高。
临床上分割的金标准难以获得。在我们的研究中,我们基于先前的工作[13]构建了拟人体模模拟,并发现大多数方法(除矩形掩模中的AP外)达到了大于0.7的中位DSC,表明分割一致性良好[10, 26, 31, 32]。然而,应当注意,所有方法平均明显低估了包含呼吸运动范围的模拟金标准(矩形掩模:41.61%,不规则掩模:35.83%),而在无呼吸运动的模拟中,分割平均值在矩形掩模下为2.35%,在不规则掩模下为0.40%。已知呼吸运动会放大实际的静态金标准并模糊肿瘤边界,因此分割方法生成的轮廓远小于包含呼吸运动范围的模拟金标准是合理的。因此,在常规临床实践中,应仔细考虑呼吸运动及其对PET分割和定量分析的模糊效应。使用门控采集和定位固定掩模也可能有助于减少PET扫描期间运动的影响。运动。
对于大多数分割方法,分割过程中通常需要手动交互[33, 34]。尽管两种初始掩模的不同分割结果存在较大变异性,但共识方法对个体分割方法的不一致表现显示出稳健性,这与Schaefer等人[11]发现的结果一致。进一步而言,不规则裁剪区域的分割结果似乎比规则矩形掩模的分割结果变异更小,提示手动勾画的初始掩模至少在某些情况下可能有助于减轻这种变异性。
不同种类的图像特征可能具有不同质量的图像。通过不同的数据采集/重建方案获取高质量图像,有可能减轻靶区分割的变异性。例如,文献中也提出了动态Patlak衍生的净摄取速率常数(Ki)PET成像,其可定量追踪注射后示踪剂摄取的四维(4D)分布,并可能提高临床中的病灶可检测性[13, 35–37]。Xiang等人[38]在VX2兔模型上比较了F-FDG和F-FLT PET/CT图像在大体肿瘤体积勾画中的表现,发现F-FLT PET/CT能更准确地呈现肿瘤边界。实施AAPM第174号报告关于F-FDG PET成像在放射治疗中的建议,如分期、分割、图像配准、治疗计划和疗效评估[39],以及严格PET成像指南的发布[40, 41],也可能有助于减轻图像分割的变异性。
我们研究的一个局限性是缺乏鼻咽癌(NPC)临床数据集的金标准数据,这使得无法在临床上评估MATV分割的准确性。此外,所提出的模拟数据可能不足以充分证明分割结果在临床环境中相对于治疗评估的偏倚。因此,我们的结果应在未来使用协调和标准化数据的基准进行验证[42]。使用数字PET或长轴视野PET扫描仪也可能有助于改善肿瘤分割和分析,从而减轻这些变异性。此外,我们的研究中未探讨F-FDG摄取的时间相位效应对分割结果的影响。Chen等[43]使用8种勾画方法评估了F-FDG PET/CT对鼻咽癌肿瘤体积SUV值的变化,并推荐注射后35至55分钟之间的解剖生物勾画作为肿瘤勾画的首选。我们应当承认,摄取变化不仅会影响SUV值,还会影响其他PET图像特征,如纹理模式,而这在我们的研究中未进行评估。
结论
我们从13个真实模拟肿瘤和225例鼻咽癌临床数据的分割研究中获得的定量结果表明,尽管定量指标可能受到不同分割方法和初始裁剪掩膜的高度影响,但共识方法有助于减轻不同条件下个体分割结果的变异性并增强肿瘤分割的稳健性,但相对于个体分割方法,平均而言似乎并未提高分割结果的准确性。不规则的裁剪初始掩膜至少在某些情况下也可能有助于减轻分割变异性。
引用
- Zhuang, Qiu, Lou, et al. Does consensus contours improve robustness and accuracy on 18 F-FDG PET imaging tumor delineation? EJNMMI Phys. 2023. PMID: 36913000. doi:10.1186/s40658-023-00538-7
- 全文:PMC10011254(PMC 开放获取,CC BY)https://pmc.ncbi.nlm.nih.gov/articles/PMC10011254/
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。