數(shù)坤科技3D卷積神經(jīng)網(wǎng)絡(luò)模型用于肝臟MR圖像的精準(zhǔn)分割

對(duì)肝臟MR圖像進(jìn)行高效、精準(zhǔn)的分割，是肝臟疾病智能診斷治療的基礎(chǔ)。此前，在國(guó)際上，基于深度學(xué)習(xí)、全自動(dòng)進(jìn)行肝臟磁共振圖像分割的研究很少見(jiàn)。

近日，首都醫(yī)科大學(xué)附屬北京友誼醫(yī)院楊正漢教授團(tuán)隊(duì)與數(shù)坤科技聯(lián)合開(kāi)展的研究，填補(bǔ)了該領(lǐng)域的空白。研究論文《Automated segmentation of liver segment on portal venous phase MRimages using a 3D convolutional neural network》發(fā)表于全球權(quán)威的醫(yī)學(xué)影像雜志《Insights into Imaging》（IF 5.179）?！禝nsights into Imaging》由歐洲放射學(xué)會(huì) （ESR） 創(chuàng)立，是臨床影像相關(guān)教育及最新研究領(lǐng)域具有領(lǐng)先地位的一本期刊。

該項(xiàng)研究采用了基于多序列的3D卷積神經(jīng)網(wǎng)絡(luò)模型，由數(shù)坤科技自主研發(fā)，用于肝臟MR圖像的精準(zhǔn)分割。

肝臟分割模型的網(wǎng)絡(luò)結(jié)構(gòu)

結(jié)論顯示，該模型可作為肝臟MR圖像自動(dòng)分割標(biāo)注的有效工具，且對(duì)于不同廠家及不同場(chǎng)強(qiáng)的MRI設(shè)備采集的肝臟圖像及不同肝背景均有穩(wěn)健的表現(xiàn)。該模型為AI智能輔助肝臟疾病MRI診斷奠定了堅(jiān)實(shí)的基礎(chǔ)，對(duì)于精準(zhǔn)手術(shù)計(jì)劃及預(yù)后判斷將具有重要的臨床意義。

模型應(yīng)用于不同MR設(shè)備圖像的質(zhì)量評(píng)估，結(jié)果顯示該模型適用于不同廠家及不同場(chǎng)強(qiáng)的MRI設(shè)備。

肝臟MRI智能化挑戰(zhàn)

需求強(qiáng)、難度高、研究少

慢性肝病影響著全球數(shù)以千萬(wàn)計(jì)的人群，各種慢性肝病如未能得到有效控制，將逐漸進(jìn)展直至終末期肝病，這些患者又都是肝臟腫瘤的高危人群。中國(guó)超過(guò)五分之一的人群受到肝臟疾病的困擾。

MRI檢查具有多方位、多參數(shù)、高軟組織分辨力的成像優(yōu)勢(shì)，已成為常用的肝臟影像學(xué)檢查方法。肝臟的精準(zhǔn)分割，是肝臟疾病鑒別診斷、精準(zhǔn)手術(shù)規(guī)劃及預(yù)后判斷的基礎(chǔ)。

在影像診斷環(huán)節(jié)，肝臟及病灶的精準(zhǔn)分割，可幫助醫(yī)生發(fā)現(xiàn)病灶、精準(zhǔn)定位并提取其影像特征。手術(shù)環(huán)節(jié)，術(shù)前需對(duì)肝臟的結(jié)構(gòu)、肝內(nèi)病灶等進(jìn)行整體性評(píng)估，以幫助肝膽外科醫(yī)生精準(zhǔn)有效切除病灶，盡可能減少對(duì)殘余肝臟的損害，為患者帶來(lái)最大遠(yuǎn)期利益。

對(duì)于肝臟MR圖像的分割，通常由放射醫(yī)生通過(guò)人眼識(shí)別、手工分割完成，不僅工作繁瑣、耗費(fèi)人力、時(shí)間，且結(jié)果會(huì)因?yàn)獒t(yī)生個(gè)體差異而導(dǎo)致分割結(jié)果的差異。另外，肝臟自身解剖學(xué)結(jié)構(gòu)復(fù)雜，手術(shù)史、腫瘤壓迫或肝硬化等原因造成肝臟實(shí)質(zhì)及管道系統(tǒng)的變異，及肝臟MRI增強(qiáng)掃描多達(dá)1000~3000幅圖像數(shù)量，都為智能分割帶來(lái)了一定困難。

過(guò)去20年中，科學(xué)家已經(jīng)開(kāi)展了計(jì)算機(jī)輔助肝臟分割的研究，但其中大部分使用的是傳統(tǒng)機(jī)器學(xué)習(xí)的技術(shù)，在效率和準(zhǔn)確率上無(wú)法滿足臨床需求。臨床亟需一種能自動(dòng)、準(zhǔn)確進(jìn)行肝臟分割的智能化工具。

AI在肝臟MRI應(yīng)用潛能廣闊

效率提升195倍，精準(zhǔn)助力手術(shù)規(guī)劃及預(yù)后

這項(xiàng)研究評(píng)估了一種使用深度神經(jīng)網(wǎng)絡(luò)的自動(dòng)化肝臟分割方法，該方法分別使用 367、157 和158 例門(mén)靜脈期 MR 圖像進(jìn)行訓(xùn)練、驗(yàn)證和測(cè)試。研究數(shù)據(jù)結(jié)果顯示，該模型在Dice相似系數(shù)（DSC）、平均表面距離（MSD）、豪斯多夫距離（HD）、容積率（RV）這四個(gè)指標(biāo)上表現(xiàn)出高準(zhǔn)確性（分別為0.920、3.34、3.61、1.01）。與手動(dòng)分割相比，該模型將分割時(shí)間從26分鐘大幅縮短至8秒，效率提升了195倍。

在圖像分割的質(zhì)量評(píng)估上，基于該自動(dòng)化分割模型，高質(zhì)量分割圖像占比高達(dá)79%，中等質(zhì)量分割圖像占比達(dá)15%，中高質(zhì)量分割圖像合計(jì)占比達(dá)到94%。

在間接評(píng)估中，僅基于模型自動(dòng)分割的結(jié)果就可以將 93.4% （99/106） 的病灶分配到正確的肝段。

間接評(píng)估樣例

深度學(xué)習(xí)的肝臟分割具有自動(dòng)化、智能化、標(biāo)準(zhǔn)化的特點(diǎn)，解決了依照個(gè)人經(jīng)驗(yàn)而導(dǎo)致同質(zhì)化水平低的問(wèn)題。且精準(zhǔn)的肝臟分割，是肝臟病變智能診斷的基礎(chǔ)；也為肝膽外科醫(yī)生進(jìn)行手術(shù)規(guī)劃、預(yù)后判斷的智能化提供了可能。

該模型不僅填補(bǔ)了利用深度學(xué)習(xí)全自動(dòng)、智能進(jìn)行肝臟MR圖像分割的研究空白，更對(duì)于肝臟疾病的精準(zhǔn)診療具有重要臨床意義。