64层螺旋CT的计算机辅助检测系统在肺结节检出中的应用价值

　　 作者：齐敏，张小玲，黄明刚，雷小燕，吴晓红，孙孟锟，郭佑民

【摘要】 　　目的 评估Siemens64层螺旋CT扫描机Lung Care软件的计算机辅助检测(CAD)系统检出肺结节的能力，并评价其对放射科医师检出肺结节准确性的影响。方法 纳入53例检出肺结节的胸部MDCT患者，由不同水平三位放射科医师(R1、R2、R3)分别于不使用和使用CAD系统的情况下独立阅片检测肺结节。应用受试者工作特征曲线(ROC曲线)判断不使用和使用CAD时放射科医师表现的差异。结果 根据参考标准共检出161个肺结节。对直径<4mm、≥4mm及所有结节，阅片者独立阅片的ROC曲线下面积均值(Az值)分别为0.54、0.64、0.61；而使用CAD二次阅片时，Az值分别升至0.87、0.81、0.84。对各组结节，阅片者使用CAD组的Az值均显著大于独立阅片组。结论 无论阅片者有经验与否，本研究所用CAD系统均可帮助放射科医师提高其对肺结节的检出率，特别是对直径小于4mm的小结节。

【关键词】 计算机辅助检测 肺结节 多层螺旋CT

　　ABSTRACT: Objective To evaluate the performance of computeraided detection (CAD) of Lung Care software in detecting pulmonary nodules on Siemens Sensation 64slice computed tomography， and to assess the effect on the nodule detection when using CAD. Methods Totally 53 thoracic multislice computed tomography (MDCT) examinations with pulmonary nodules were interpreted independently by three radiologists (R1， R2， and R3) with different levels of experience. Nodules were detected by the radiologists first without and then with CAD. The performances of the radiologists without and with CAD were compared，using receiver operating characteristic curves analysis. Results They detected 161 nodules according to the reference standard. For nodules <4mm， nodules≥4mm and all nodules， the average area under the freeresponse receiver operating characteristic curve (Az average) for the radiologists without using CAD was 0.54， 0.64 and 0.61， respectively. With the aid of CAD， the Az average increased to 0.87， 0.81 and 0.84. There was a significant difference in Az value between the readers group with and without CAD among the above three nodule groups. Conclusion The CAD system used in our study can assist radiologists in detecting pulmonary nodules for both experienced or less experienced readers， especially in the detection of small nodules (<4mm).

　　KEY WORDS: computeraided detection; lung nodules; multislice computed tomography

　　胸部CT是检测肺结节最灵敏的影像模式[1]，而且MDCT技术已被应用于肺癌和其他部位恶性肿瘤患者的筛检中[2]。然而，解读MDCT的大量图像使放射科医师的工作量及工作时间大大增加，并且可能导致重要病变漏诊。近年来，计算机辅助检测(computeraided detection， CAD)成为处理大量放射学数据的有效诊断工具，其重要功能之一就是自动检出肺结节。国外学者已对CAD系统检测肺结节的效能进行了一些研究，但结果差异较大[3]，而国内鲜见此类研究。因此，本研究拟对Simens64层螺旋CT扫描机(Sensation 64)配备的Lung Care软件的CAD功能进行评估，旨在进一步探讨CAD对放射科医师检出肺结节准确性的影响。

　　1 材料与方法

　　1.1 病例选择与扫描条件

　　本研究纳入2007年6月至2008年4月间在陕西省人民医院行常规剂量MDCT检查的53例肺结节患者，男38例，女15例，年龄16～79岁，平均52.3岁。排除间质性肺疾病、肺膨胀不全和实变。采用Siemens 64层螺旋CT扫描机(Sensation 64)，一次最大吸气末憋气采集肺容积数据，从肺尖扫至上腹部，未注射造影剂，扫描参数为：120kV，70～120emAs(effective mAs，有效毫安秒)，准直器宽度64mm×0.6mm。图像数据采用肺窗重建，窗宽为1200Hu，窗位为-600Hu，卷积值为B60f medium sharp(体部中等锐利算法)，重建层厚为0.75mm，重建间距0.70mm，重建矩阵为512×512。

　　1.2 肺结节的判定方法

　　诊断为肺结节的标准是界限清楚、固体或半固体的球体或不规则结构，直径≤3cm，其密度应为软组织密度或更高或明显高于周围肺实质密度。排除支气管壁增厚、小叶间隔增厚、线样或网状影、局灶性肺实变及患者移动引起的伪影。

　　1.3 图像阅读

　　所有数据均传至Siemens64层螺旋CT的专用工作站进行观察评估，将结节的诊断可信度分为3个等级，即0=不是肺结节；1=不确定；2=肯定是肺结节。

　　1.3.1 放射科医师的评估

　　3位放射科医师(R1、R2、R3)参加CT阅片，其中两位为有经验的放射科医师，分别工作了8年(R1)、10年(R2)，第3位是经验较少的实习医师(R3)，有6个月的胸部CT阅片经验。所有数据分别由3位放射科医师在随机顺序下采用盲法评估，标准二维轴位CT图像在专用工作站没有三维工具帮助的方式下观察。记录检出的结节的大小及解剖位置。

　　1.3.2 CAD的评估

　　使用Siemens64层螺旋CT的Lung Care软件的CAD系统，计算机自动计算出待选肺结节，即CAD的阳性结果，记录每个结节的大小和位置。

　　1.3.3 CAD作为二次阅片者的CT评估

　　每一位放射科医师观察完二维轴位CT图像后，记录检出结节；然后使用CAD检测肺结节，阅片者可以通过旋转多平面重建(rotating MPR，rMPR)或感兴趣容积(volume of interest， VOI)法进行三维观察来确定结节的真伪。最后结合二者检测结果(R1+CAD、R2+CAD、R3+CAD)得出检出结节的总数。

　　1.4 参考标准

　　由两位有经验的放射科医师共同评价以上各种检测模式发现的所有结节，建立一致意见作为参考标准。可以使用工作站提供的所有分析工具，并且可以自由的辨别其他满足诊断标准的结节，把他们纳入真结节的总数中。

　　1.5 统计学处理

　　采用SPSS13.0统计软件分析数据，分别计算3位放射科医师独立阅片、单独使用CAD系统及CAD作为二次阅片者(R1+CAD、R2+CAD、R3+CAD)的灵敏度，使用配对χ2检验(McNemanr检验)来分析灵敏度值间是否有差异。通过计算ROC曲线下面积(Az)来分析各种阅片方式检测肺结节的准确性，使用两样本配对t检验来分析阅片者使用或不使用CAD时两组Az值间是否有差异，P<0.05为差异有统计学意义。

　　2 结 果

　　2.1 检测到的真结节数与分布特征

　　根据参考标准共检出161个真结节(表1、图1)，其最大直径在2.35～27.51mm范围内，平均直径7.05mm。表1 检测到的结节数及其分布（略）

　　2.2 各组检测模式的灵敏度及假阳性值的比较

　　单独使用CAD系统，共检出了161个结节中的129个，灵敏度约为80%；对直径小于4mm的结节的检出灵敏度较高，为84%。而单个放射科医师独立检出直径大于等于4mm的肺结节的灵敏度(R1、R2、R3分别为：66%、64%、55%)明显高于直径小于4mm的肺结节(R1、R2、R3分别为：37%、35%、26%)(P<0.01)；不同水平放射科医师使用CAD二次阅片(医师+CAD)时，检出直径≥4mm与<4mm肺结节的灵敏度均无明显差异。单个医师使用CAD二次阅片较单用CAD及各位医师独立阅片，在检出肺结节灵敏度增加的同时降低了每位患者的平均假阳性数(表2)。表2 不同检测方式对肺结节检出的灵敏度及假阳性值的比较（略）

　　2.3 各组检测模式的ROC曲线下面积(Az)的比较

　　对所有结节，不同水平医师(R1、R2、R3)独立阅片及单独使用CAD检测肺结节的ROC曲线下面积(Az值)分别为0.66、0.63、0.54和0.69，使用CAD二次阅片时，R1、R2、R3的Az值分别升至0.89、0.84、0.78(图2)；对直径<4mm的结节，R1、R2、R3及CAD的Az值分别为0.58、 0.56、0.48和0.72，使用CAD二次阅片时，R1、R2、R3的Az值分别升至0.91、0.88、0.81(图3)；对直径≥4mm的结节，R1、R2、R3及CAD的Az值分别为0.71、 0.66、0.56和0.62，使用CAD二次阅片时，R1、R2、R3的Az值分别升至0.88、0.81、0.75(图4)；对以上3组结节，阅片者使用CAD组的Az值均大于独立阅片组，两组结果间均有显著性差异(表3)。表3 医师使用和不用CAD检出不同大小结节的Az值的比较（略）

　　2.4 检测到的假阳性结节及其特点

　　根据参考标准，CAD检出了34个假阳性结节，平均每个检查有0.64个假阳性结果，主要由胸锁关节局部突起(n=6)、胸椎局部突起(n=2)、肋骨突起(n=1)、血管影(n=14)、局部胸膜增厚(n=11)构成(图5)。不使用CAD时，每个CT检查R1、R2、R3平均各发现0.34、0.42、0.55个假阳性结果，使用CAD二次阅片时则分别为0.25、0.34、0.47。

　　3 讨 论

　　CT是早期肺癌最灵敏的影像学检查方式[4]。MDCT可以更好地检出小结节[5]。然而，许多研究显示放射科医师对肺结节的检出率并不令人满意。NAIDICH等[6]的研究中，仅识别了63%直径1～7mm的结节，而对直径小于3mm和1.5mm的结节检出率仅为48%和1%。这可能是由于高空间分辨率重建使图像数量明显增加，医师因工作量剧增导致审图疲惫，从而影响肺结节的检出。有经验的医师双重阅片有可能减少此类错误，但此法费时费力，使其临床应用受限。CAD系统有助于提高放射科医师对肺结节(特别是小结节)的检出率[7]，并且可用相同的方法随访和管理患者，有助于减少阅片者间的差异。

　　 既往研究中，CAD对肺结节检出的灵敏度从38%[8]到95%[9]不等，如果只考虑大于3mm的结节，BROWN等[10]报道其灵敏度为100%。这些差异可能与不同研究的结节特征、纳入标准、扫描条件、重建参数及所使用CAD软件的不同有关。

　　本研究确证了CAD的良好表现。对直径小于4mm的结节，单独使用CAD时的Az值大于3位不同经验医师独立检出的结果，灵敏度也高于后者；而对直径大于4mm的结节，单独使用CAD时的Az值虽略小于有经验的医师(R1、R2)，但无显著性差异。一般而言，在几百幅图像里检出直径小于4mm的结节比较困难，尤其当结节位于肺门区域时。

　　本研究结果显示，单独使用CAD检出肺结节的灵敏度约为80%，较有经验阅片者(R1)提高约25%，而对直径小于4mm的结节，明显提高约47%。这种重大的收益主要取决于阅片者单独阅片时检出肺结节的效能。而阅片者的表现可能与以下因素有关：①医师检测肺结节时的注意力集中程度[11]。因阅片疲惫而使医师注意力下降，从而可能影响肺结节的检出。②医师单独阅片时未应用三维处理技术(如MIP)。如能应用MIP等工具或许可以提高其检出肺结节的灵敏度[12]。③肺结节的内在特征(大小、密度及位置等)[6]。此外，本研究排除了可能降低CAD表现的间质性肺疾病、肺膨胀不全和实变等。因为对此类患者CAD可检出大量假阳性结节，从而显著降低CAD的灵敏度，而且还需大量时间分析排除。

　　有关CAD作为二次阅片者检测肺结节的作用，既往各研究结果间差别亦较大。LEE等[13]研究结果显示，阅片者使用CAD时检出肺结节的结果虽略好于不使用CAD时，但是二者间无显著性差异。而其他一些研究则显示阅片者使用CAD时检出肺结节的效能显著高于不使用时[7，11]。本研究结果显示无论阅片者是否有经验，利用CAD二次阅片均可显著提高其检出肺结节的准确度。有经验的阅片者使用CAD二次阅片时对所有结节的Az值可从0.66提高至0.89，灵敏度从55%提高至95%。尽管经验少的阅片者的表现较有经验阅片者差，容易遗漏高度怀疑的病灶，但经验少的阅片者使用CAD二次阅片时，其对病变的检出效能亦显著提高，Az值从0.54提高至0.78，灵敏度从44%提高至86%。
　　
　　以往研究中，CAD检出的假阳性结果差异亦较大，平均每个患者检出0.55个[14]至77.4个[15]。本研究所用CAD检出的假阳性结果较少，平均每个检查发现0.64个。这可能主要与近年来CAD系统的快速发展有关；其次，因本研究未使用低剂量扫描，而且重建层厚及重建间距较薄[5]，进一步提高了检测的准确性。
　　
　　本研究的假阳性结果主要为一些正常的解剖结构，如血管约占所有假阳性结果的41%。而CAD附加的形态学分析工具可以很好地加以区分，使大部分假阳性结果容易为放射科医师识别，故阅片者使用CAD进行二次阅片时假阳性率有所降低。

　　综上所述，本研究结果显示，无论阅片者是否有经验，使用CAD系统均可帮助放射科医师提高其对肺结节的检出率，特别是对直径小于4mm的小结节。

参考文献

　　[1]REMYJARDIN M， REMY J， GIRAUD F， et al. Pulmonary nodules:detection with thicksection spiral CT versus conventional CT [J]. Radiology， 1993， 187(2):513520.

　　[2]HENSCHKE CI， MCCAULEY DI， YANKELEVITZ DF， et al. Early lung cancer action project:overall design and findings from baseline screening [J]. Lancet， 1999， 354(9173):99105.

　　[3]KO JP， NAIDICH DP. Computeraided diagnosis and the evaluation of lung disease [J]. J Thorac Imaging， 2004， 19(3):136155.

　　[4]HENSCHKE CI， MCCAULEY DI， YANKELEVITZ DF， et al. Early lung cancer action project:a summary of the findings on baseline screening [J]. Oncologist， 2001， 6(2):147152.

　　[5]MARTEN K， GRILLHOSL A， SEYFARTH T， et al. Computerassisted detection of pulmonary nodules:evaluation of diagnostic performance using an expert knowledgebased detection system with variable reconstruction slice thickness settings [J]. Eur Radiol， 2005， 15(2):203212.

　　[6]NAIDICH DP， RUSINEK H， MCGUINNESS G， et al.Variables affecting pulmonary nodule detection with computed tomography:evaluation with threedimensional computer simulation [J]. J Thorac Imaging， 1993， 8(4):291299.

　　[7]BROCHU B， BEIGELMANAUBRY C， GOLDMARD JL， et al. Computeraided of lung nodules on thin collimation MDCT:impact on radiologists' performance [J]. J Radiol， 2007， 88(4):573578.

　　[8]WORMANNS D， FIEBICH M， SAIDI M， et al. Automatic detection of pulmonary nodules at spiral CT:clinical application of a computeraided diagnosis system [J]. Eur Radiol， 2002， 12 (5):10521057.

　　[9]BAE KT， KIM JS， NA YH， et al. Pulmonary nodules: automated detection on CT images with morphologic matching algorithmpreliminary results [J]. Radiology， 2005， 236(1):286293.

　　[10]BROWN MS， GOLDIN JG， SUH RD， et al. Lung micronodules:automated method for detection at thinsection CTinitial experience [J]. Radiology， 2003， 226(1):256262.

　　[11]AWAI K， MURAO K， OZAWA A， et al. Pulmonary nodules at chest CT: effect of computeraided diagnosis on radiologists detection performance [J]. Radiology， 2004， 230(2):347352.

　　[12]JANKOWSKI A， MARTINELLI T， TIMSIT JF， et al. Pulmonary nodule detection on MDCT images:evaluation of diagnostic performance using thin axial images， maximum intensity projections， and computerassisted detection [J]. Eur Radiol， 2007， 17(12):31483156.

　　[13]LEE IJ， GAMSU G， CZUM J， et al. Lung nodule detection on chest CT: evaluation of a computeraided detection (CAD) system [J]. Korean J Radiol， 2005， 6(2):8993.

　　[14]MARTEN K， ENGELKE C， SEYFARTH T， et al. Computeraided detection of pulmonary nodules:influence of nodule characteristics on detection performance [J]. Clin Radiol， 2005， 60(2):196206.

　　[15]GURCAN MN， SAHINER B， PETRICK N， et al. Lung nodule detection on thoracic computed tomography images: preliminary evaluation of a computeraided diagnosis system [J]. Med Phys， 2002， 29(11):25522558.