计算机辅助诊断检测颅内动脉瘤进展

时间:2023-06-14 08:15:03 公文范文 来源:网友投稿

何佳倩,安兴伟*,任贺成,黄 楹,明 东,3

(1.天津大学医学工程与转化医学研究院,3.精密仪器与光电子工程学院,天津 300072;
2.天津市环湖医院神经外科,天津 300350)

颅内动脉瘤(intracranial aneurysm,IA)指脑动脉局部异常扩张导致动脉壁出现瘤状突起,通常发生于威利斯环(Willis circle)动脉分叉处[1]。临床80%~90%的自发性蛛网膜下腔出血系由IA破裂引发[2],尽早检出、监测IA及评估其破裂风险对临床干预具有重要意义。影像学评估IA方法包括数字减影血管造影(digital subtraction angiography,DSA)、CT血管成像(CT angiography,CTA)及MR血管成像(MR angiography,MRA)等。DSA是检测动脉瘤的金标准,但为侵入性检查,且可能出现碘对比剂过敏等[3-4]。CTA和MRA为无创成像技术,但对微小动脉瘤的检出率较低,且描绘动脉瘤形态特征的能力相对较弱[5-6]。近年来,以基于深度学习(deep learning,DL)的计算机辅助诊断(computer aided diagnosis,CAD)检测动脉瘤逐渐成为研究热点,通过智能化学习、处理图像特征模式,CAD在提高诊断IA准确率、降低假阳性等方面均显示出巨大潜力,可使医学诊断结果更加客观、准确,同时有助于减轻临床医师工作负担[7]。本文就CAD用于识别IA、检测目标与分割病灶相关进展进行综述,分析其所面临的挑战,并对未来研究方向进行展望。

1.1 分类任务 基于分类任务检测IA包括2个过程,首先需获得病灶候选区,之后使用DL网络判断该区域是否包含病灶。既往研究主要基于IA的形态特征构建深度网络而实现病灶分类,如UEDA等[8]利用基于脑动脉的曲率特征,于时间飞跃法MRA中提取包括瘤体、漏斗状扩张、血管分叉及血管狭窄在内的数百种动脉异常表现作为候选目标,再以ResNet-18分类算法对其是否为IA进行分类。医师应用该算法进行二次评估,可使IA检出率相比初始报告提高4.8%~13%。由于成像角度,IA与血管重叠特征相似。为此ZENG等[9]应用空间信息融合策略检测三维旋转血管造影图像所示IA,通过串联每个成像时间序列的特定连续帧图像而嵌入空间信息,并基于迁移学习策略以经典分类网络VGG16对其进行分类,由此有效改善检测单幅图像的精度,可使识别IA的准确率达98.89%。

1.2 检测目标任务 检测目标任务指根据算法预测图像中包含IA的最小区域,可直接识别和定位IA。随着DL技术在目标检测领域的应用,目前提出的检测算法可分为单阶段检测算法及两阶段检测算法[10],前者能直接预测目标类别和边框坐标,后者指在检测过程中首先生成样本候选区域框,再进行样本分类与调整候选框坐标,其检测准确率高于前者,故在医学图像检测中应用更为广泛。2016年REN等[11]提出Faster区域建议卷积神经网络(region-proposal convolutional neural network,R-CNN)目标检测算法,通过区域生成网络生成候选区,以提高检测目标速度;
此后该方法多用于检测动脉瘤。DAI等[12]使用Faster R-CNN作为自动检测IA工具,利用来自3D CTA的2D邻近投影图像作为输入,其检测IA的敏感度为91.8%;
但该方法需以复杂的预处理步骤生成2D影像数据,且未考虑动脉瘤的3D空间特征。为综合利用3D影像信息,DUAN等[13]将基于双路径结构的3D Faster R-CNN模型用于检测和定位3D CTA所示IA,并使用3D多尺度卷积神经网络以减少检测算法得到的假阳性区域;
利用该算法对550例全脑CTA数据进行训练并测试,其检测敏感度为93.3%。

1.3 分割任务 分割任务即对造影图像进行逐像素分类,以标记像素级别的病灶,可直接提供所预测IA的精确位置,有利于后续形态学分析;
常以包括编码器、解码器结构及允许高效信息流传输的跳跃连接方式的U-Net模型作为分割架构,后者在医学图像分割任务中表现出良好性能[14]。较早的分割方法研究多基于2D网络,如STEMBER等[15]基于MRA二维最大密度投影构建检测和测量IA的U-Net模型,以初步探索基于DL的人工智能方法用于预测动脉瘤大小的前景。JIN等[3]则更关注DSA的时间和空间信息,在U形网络中引入双向卷积长短期记忆模块,以模拟医师阅片过程,解决基于二维DSA图像检测和分割未破裂IA的问题,其检测敏感度为89.27%(316/354),每个序列计算时间<1 s。

与2D网络相比,利用3D网络模型能直接输入3D图像,学习病灶的3D特征信息。PARK等[16]采用HeadXNet网络分割CTA所示IA,该网络在3D U-Net基础上引入了挤压-激励模块、残差模块及空洞空间金字塔池化模块,以增强提取特征能力;
应用该模型后,拥有不同经验的临床医师检测IA能力均有所提高,检测敏感度由83.1%提升至89.0%,特异度由96.0%提升至97.5%,准确率由89.3%提升至93.2%。SHI等[17]训练带有空间、通道双注意力模块和残差结构的3D U-Net分割模型,其训练过程稳定,并可使模型学习到可靠的特征。受限于计算能力,上述2项研究均以局部3D图像作为模型的输入项,却无法直接处理患者完整的3D图像,仍存在损失病灶全局信息的不足。BO等[18]采用全局结构信息策略构建用于获取IA在整个图像中概率分布的全局定位网络和获取局部图像块IA体素分割结果的局部分割网络,以全局定位特征为指导,协助训练分割网络,可无需预处理而直接分析、处理包含颈部、心脏区域的脑部CTA,更适用于临床实践,可使医师检测IA的敏感度提高约12.5%~22.9%,诊断时间缩短约7~24 s。

2.1 与IA解剖结构相关 IA瘤体本身在脑血管造影图像中占据的比例极小,模型往往难以自复杂的背景中准确识别病灶区域,导致检测能力较差[19]。血管重叠与IA表现相似,特别是小的IA[1],造成CAD检测IA的假阳性率较高。通过调整成像角度可在一定程度上减轻血管重叠带来的影响,但如何使CAD学习到不同的时空特征以区分IA与血管重叠是亟待解决的问题。

2.2 特殊类型IA 现有研究多基于囊状IA进行分析,而针对特殊类型IA,如梭形动脉瘤和夹层动脉瘤等的研究较少。YANG等[20]的内部验证结果显示,以CAD检测囊状及梭形IA的敏感度分别为97.60%(611/626)和95.65%(22/23),但该研究中梭形IA样本量过小,且未具体给出外部验证结果,仍有待进一步验证。

2.3 样本量 相比自然图像数据,医学影像数据存在获取困难、标注成本高及医学伦理等问题。目前将CAD用于IA的研究所纳入的训练集和验证集样本量均较小,且通常来自单一机构,导致算法的稳定性和鲁棒性较差。

2.4 数据标注 获取大量逐像素标注的样本十分耗时、费力,精准标注大批量数据是分割任务的重要挑战之一。DI NOTO等[21]使用更易获取标注信息的弱监督分割方法,将弱标签(即粗糙、不精确注释的标签)用于动脉瘤分割任务,利用动脉瘤位置先验信息构建3D U-Net分割模型,其检测测试集IA的敏感度为83%。虽然相比强监督,弱监督模型的性能未能达到预期水平,但可降低标注成本,有助于缩短整体研究进程。有关如何平衡检测性能与效率有待进一步研究。

经由分类任务、检测目标任务及分割任务均可实现识别、检测IA,对于降低漏诊率、缩短诊断时间具有重要价值。分类任务主要基于判定2D图像中的异常结构,通常无法直接获取病灶区域的精确位置;
检测目标任务旨在直接识别并大致定位图像中病灶所在区域,以实现快速定位IA;
分割任务可实现在像素级水平定位IA空间位置和预测其形态,是IA形态学分析及预测瘤体破裂风险的先决条件。

未来CAD检测IA研究将集中于以下方面:①自动分析动脉瘤形态学和计算血流动力学,并基于此预测动脉瘤破裂风险,完善诊断IA一体化流程,为医师直观展现IA发生发展进程,这对于拟定未破裂动脉瘤的治疗决策具有积极意义;
②融合分析多模态影像学数据,以更有效地学习和利用图像特征,提升诊断IA性能;
③多中心前瞻性验证,评估CAD临床实际效能,推进其在临床环境中的进一步应用。此外,一个成功的IA CAD检测系统必须完全可靠地识别真阳性病例,研究人员应在充分考虑IA复杂解剖结构的基础上,使用更先进的算法解决当前存在的问题。

猜你喜欢敏感度病灶分类分类算一算数学小灵通(1-2年级)(2021年4期)2021-06-09Optimal UAV deployment in downlink non-orthogonal multiple access system: a two-user caseHigh Technology Letters(2020年4期)2020-11-27PSMA-靶向18F-DCFPyL PET/CT在肾透明细胞癌术后复发或转移病灶诊断中的作用分析解放军医学院学报(2020年12期)2020-03-29全体外预应力节段梁动力特性对于接缝的敏感度研究工程与建设(2019年5期)2020-01-19分类讨论求坐标中学生数理化·七年级数学人教版(2019年4期)2019-05-20电视台记者新闻敏感度培养策略新闻传播(2018年10期)2018-08-16数据分析中的分类讨论中学生数理化·七年级数学人教版(2018年6期)2018-06-26教你一招:数的分类初中生世界·七年级(2017年9期)2017-10-13在京韩国留学生跨文化敏感度实证研究海外华文教育(2016年2期)2017-01-20术中超声在颅内占位病灶切除中的应用探讨西南军医(2016年2期)2016-01-23

推荐访问:动脉瘤 计算机辅助 诊断