基于影像组学的矽肺病CT,影像分期预测研究
时间：2023-04-25 12:15:03 来源：千叶帆 本文已影响人
杨柳琼，郑建军，向 遥（通信作者）
（1 宁波大学医学院 浙江 宁波 315211）
（2 中国科学院大学宁波华美医院放射科 浙江 宁波 315010）
尘肺病指职业活动中长期吸入不同致病性的生产性粉尘潴留于肺内而引起的以肺组织弥漫性纤维化为主的一组职业性肺部疾病的统称[1-2]，其包括矽肺、煤工尘肺、石墨尘肺等共13 种类别，其中矽肺是我国发病率最高、死亡率最高的病种。目前矽肺病的诊断[3]需由3 名以上取得尘肺病诊断资质的专家评判，面临耗时费力、可重复性较差等局限性问题[4]。近年来影像组学作为一种新兴方法[5]，被广泛应用于各种肿瘤、非肿瘤的临床问题，但没有关于其在矽肺诊断及分期方面的潜在应用的研究。本文旨在通过机器学习方法分析基于CT 图像影像组学的多分类机器学习模型用于矽肺病分期预测的可行性，希望能为医生提供参考。
1.1 一般资料
选取2016 年1 月—2020 年12 月在中国科学院大学宁波华美医院接受职业病检查患者245 例的基本临床信息、职业史及影像资料。纳入标准：①在DR 检查前、后1 个月内接受CT 检查者；
②有明确的矽尘接触史者；
③有明确的专家小组鉴定的分期结果。排除标准：①图像质量不能满足诊断要求者；
②合并其他病变者，如肺炎、慢性阻塞性肺疾病、肺结核等。患者均知情同意本研究。
1.2 方法
CT 扫描设备为Siemens Somatom Definition Flash 及AS 64 排螺旋CT 机，扫描时患者取仰卧位，扫描范围从胸廓入口至后肋膈角的水平。图像采集参数：管电压120 kV，自适应电流，视野342 mm×267 mm，采集矩阵512×512，重建层厚10 mm，重建间隔10 mm。
1.3 分期及分组
参照GBZ 70-2015《职业性尘肺病的诊断》[3]，根据3 名以上取得尘肺病诊断资质的职业医生组成的专家小组的分期结果分为四类，即0 期（n=104）、Ⅰ期（n=77）、Ⅱ期（n=30）、Ⅲ期（n=24）；
并按照7:3 的比例，由计算机随机选取病例作为训练组及测试组。
1.4 感兴趣区域分割与影像组学特征提取
（1）感兴趣区域分割：从PACS 系统上提取图像，选择重建层厚10 mm、无间隔的CT 图像导入3D-slicer 软件（version 4.11.0，http://www.slicer.org），先由1 名有丰富经验的放射科医生在对分期结果不知情的情况下进行图像分割。由于矽肺病变是弥漫性的，很难准确勾画出异常的区域，因此我们选择病变加正常肺纹理区域的3D 容积作为感兴趣区（ROI）。采用的是半自动图像分割方法，具体的分割步骤如下：先使用套索工具自动勾勒肺区域的轮廓并选中，过程中将叶以上支气管及血管排除在选中范围内以减少干扰，然后根据正常肺实质的CT 值范围[-∞～（-750）HU]减去正常肺组织区域，得到病灶加肺纹理区域，再手动调整ROI 范围，逐层进行勾画，最终得到三维的ROI。之后由另1 名医师对其分割的ROI 进行审核确定，以保证准确性。图像分割示例（图1）。
图1 1 例Ⅱ期矽肺CT 图像的ROI 勾画示意图
（2）特征提取：在特征提取前所有影像数据被重新采样至1 mm×1 mm×1 mm 的体素大小。将处理后的图像及对应的感兴趣区域掩模图像同时导入Artificial Intelligence Kit（V3.3.0.R，GE Healtheare）软件进行计算，共包括18 个一阶特征、14 个形态学特征及75 个纹理特征共107 个影像组学特征。
（3）特征筛选及组学标签建立：先采用标准化对数据集进行预处理，并对缺失值进行填充，对异常值进行平衡。特征提取分2 步进行，首先利用相关性分析（Correlation_xx）去除冗余特征，再采用GBDT 分析，保留对分类贡献大的自变量；
最终选取出7 个最优特征，形成与其相应加权系数乘积的线性组合。
（4）影像组学模型构建及验证：在本研究中，我们采用Logistic 回归分类器，利用One-vs-all 的分类思想，分别训练了4 个二分类Logistic 回归模型，计算为矽肺0 期、Ⅰ期、Ⅱ期、Ⅲ期的概率，最后选择概率最大的为最终的输出结果；
根据结果得到一个4×4 的混淆矩阵来评估模型效能。
1.5 统计学方法
采用R 3.5.1 软件进行数据处理及统计分析。符合正态分布的计量资料以均数±标准差（± s）表示，采用单因素方差分析；
计数资料以频数（n）、百分率（%）表示，采用χ2或Fisher"s 精确检验。绘制受试者工作特征（ROC）曲线，以曲线下面积（AUC）并结合准确率、特异度、灵敏度和Kappa系数来评估这个多分类模型的性能。P＜0.05 表示差异有统计学意义。
2.1 一般资料
245 例患者中男性241 例，女性4 例；
年龄22 ～77 岁，平均（48.73±7.41）岁；
工龄0.1 ～42.0 年，平均（12.56±7.27）年。不同期别矽肺病患者的性别、年龄和工龄差异无统计学意义（P＞0.05），见表1。
表1 各期矽肺患者临床资料比较
2.2 特征选择结果
利用相关性分析（Correlation_xx），r截断值为0.7，对107 个影像特征进行相关性检验，剔除89 个高度相关的特征（剩18 个特征）。采用GBDT 分析，选取对分类贡献最大的特征子集，最终选取7 个特征。其中一阶特征1 个，为偏度（skewness）；
形状特征2 个，分别为伸长率（elongation）和球度（sphericity）；
灰度相关矩阵特征1 个，为依赖熵（dependence entropy）；
灰度共生矩阵特征2 个，分别为集群趋势（cluster tendency）和联合能量（joint energy）；
邻域灰度差矩阵特征1 个，为强度（strength）。
2.3 模型结果
根据上述7 个放射组特征建立Logistic 回归模型，采用5 折交叉验证法训练模型，计算平均AUC；
基于不同期别矽肺病建立的4 个二分类器的ROC 曲线分析如图 2 所示。表2 为模型组在验证集中的分类预测结果；
表3 总结了该模型在训练集及验证集中的诊断性能。综上所述，影像组学模型在训练组和验证组中，对各期矽肺病具有较好的鉴别性能。
表2 模型对验证集的预测分类结果与真实分类构成的混淆矩阵
表3 在训练组和验证组中模型鉴别各期矽肺病的诊断较能
图2 影像组学模型预测各期矽肺的训练组和验证组ROC 曲线
在临床实践中，胸片表现仍是尘肺病诊断的主要依据，但其存在不同组织相互重叠、部分遮盖及密度分辨率不高等缺陷，即使是有资质的放射科医生在解读尘肺诊断的X 线片图像时也存在显著差异[6]，在实际诊断工作中面临着巨大的挑战。而多位学者证明与X 线胸片相比，CT 检查在矽肺患者中的诊断中具有多方面的显著优势[7-9]。2020 年中国中华预防医学会职业病分会尘肺病影像学组发布了《尘肺病胸部CT 规范化检查技术专家共识》（2020 版）[10]，旨在从技术上规范CT 用于尘肺病的辅助检查和鉴别诊断；
因此本研究采用10 mm 层厚、无间隔的CT 重建图像，以更加清晰地显示矽肺小结节病变。
随着影像组学的快速发展，越来越多的学者尝试将这种技术应用于非肿瘤性疾病的研究，例如COPD、肺气肿、肺特发性纤维化等疾病；
Li 等[11]证明将放射组学方法用于COPD 的识别和严重度分期；
Kloth 等[12]证明影像组学方法可用于区分卡氏肺孢子虫肺炎和弥漫性肺泡出血，克服了由于患者在早期阶段的影像学表现相似而仅通过视觉评估带来的诊断挑战。
本文提出的影像组学模型能比较明显地区分出正常对象及Ⅲ期矽肺患者，但对Ⅰ期及Ⅱ期矽肺患者较难区分。这与临床实践中的结果也较相符，放射科医生往往对Ⅲ期尘肺病进行诊断相对来说并不太难；
而早期患者影像上均表现为较规则的小结节，由此难以区别，特别是Ⅱ期矽肺患者。另外也可能与该组的病例数过少相关。基于X 胸片的诊断标准，矽肺病的分期与小阴影密集度及分布范围密切相关；
在这项研究中，我们提取得到的与分类贡献最大的7 个组学特征中，集群趋势、偏度、伸长率、球度和联合能量都在一定程度上反映了感兴趣区域即病灶的密集度。
本研究的局限性：①本研究为回顾性分析，由放射科医师手动分割图像，存在一定的主观倾向；
②本研究的数据源于同一家医院且各分期的样本量不均衡，后期会尝试进行多中心研究，扩大各期的样本量，进一步评估验证模型性能。
综上所述，本文结果表明，CT 放射组学应用于矽肺的分期取得了良好的分类效能，希望能进一步研究胸片与CT 影像之间病灶的关联，设计和实现适用于矽肺分期深度学习的分类模型，实现矽肺的精准分期，更好地指导患者的个体化治疗。
猜你喜欢矽肺尘肺病组学国家尘肺病诊疗中心组建矿山安全信息(2022年30期)2022-11-24一例尘肺病患者的呼吸康复治疗体会医学概论(2022年3期)2022-04-24痛泻要方加味汤治疗尘肺病验案2则中国民间疗法(2021年2期)2021-05-22矽肺血清标志物研究进展国际呼吸杂志(2020年5期)2020-03-02口腔代谢组学研究国际口腔医学杂志(2019年3期)2019-05-31基于UHPLC-Q-TOF/MS的归身和归尾补血机制的代谢组学初步研究天然产物研究与开发(2018年2期)2018-04-04代谢组学在多囊卵巢综合征中的应用医学研究杂志(2015年11期)2015-06-10CBS教学模式在五年制临床医学专业尘肺病教学中的应用卫生职业教育(2014年24期)2014-05-20中西医结合治疗矽肺65例疗效观察卫生职业教育(2014年14期)2014-05-16蛋白质组学在结核杆菌研究中的应用西南军医(2014年4期)2014-01-19 相关热词搜索：影像，预测，研究，
