MultiNationalCTLiver2024——多国胸部CT肝实质分割

医学处理分析专家

发布于 2024-07-01 14:20:53

1290

今天将分享多国胸部CT肝实质分割完整实现版本，为了方便大家学习理解整个流程，将整个流程步骤进行了整理，并给出详细的步骤结果。感兴趣的朋友赶紧动手试一试吧。

一、MultiNationalCTLiver2024介绍

肝脂肪变性或脂肪肝疾病是一种病理状况，其中肝内脂肪等于或大于肝脏重量的5%。这种情况会增加肝硬化、终末期肝功能衰竭和早期死亡的风险。目前，肝活检是肝脂肪变性的诊断标准，但由于侵入性和发病风险，这种工具受到限制。非侵入性技术被广泛用于解决这一局限性，例如超声 (US)、磁共振成像 (MRI) 和计算机断层扫描 (CT)。虽然 MRI 是一种非侵入性首选，但值得注意的是，平扫CT在测量肝脏脂肪方面具有线性等效性。因此，平扫 CT 已成为一种可行的替代方案，特别是用于检测中度至重度脂肪变性。在影像覆盖范围内，胸部 CT 因其广泛可用性和频繁使用而对评估肝脏脂肪具有重要价值。例如，在现有的肺癌筛查和 COVID-19 患者图像中，平扫胸部 CT 非常实用，尤其是在无法进行腹部 CT 检查的情况下。研究人员已经建立了各种指标来评估 CT 图像上的肝脏脂肪变性，包括肝脾衰减比、肝脾衰减差以及单独肝脏衰减的阈值。值得注意的是，肝脏衰减阈值 ≤ 40 亨斯菲尔德单位 (HU) 可以作为独立指标。放射科医生在圆形感兴趣区域 (ROI) 上测量肝脏衰减以表示整个肝脏的脂肪含量。然而，对于基于人群的研究来说，这种测量需要大量时间和专业知识，这对肝脏疾病的偶然评估和临床相互作用构成了挑战。考虑到脂肪肝的普遍性，数百万处于风险中的个体可能未被发现。因此，在大规模临床研究中，一种自动化工具成为识别这些潜在患者的迫切需要。

深度学习 (DL) 已成为 CT 图像自动分析的一个有前途的工具。值得注意的是，其潜力已在自动肝脏分割和脂肪变性评估领域得到证实。然而，这些方法尚未充分全面地解决以下挑战。这些挑战包括 (i) 开发一个完全自动化的端到端流程，(ii) 实现与经验丰富的放射科医生相当的准确度，(iii) 在跨国人群中具有普遍性，(iv) 为临床医生和患者提供可解释性，以及 (v) 通过共享 DL 系统和手动注释确保可重复性。

二、MultiNationalCTLiver2024任务

多国胸部CT肝实质分割。

三、MultiNationalCTLiver2024数据集

数据来自八个国家的 986 名成年参与者的 1014 张 CT 图像。所有队列的平均肝衰为 56.33±11.69。8.19% 的 CT 图像中观察到中度至重度肝脂肪变性。

来自七个数据库的 1,014 张 CT 图像：LIDC-IDRI、NSCLC-Lung1、RIDER、VESSEL12、MIDRC-RICORD、COVID-19-Italy 和 COVID-19-China。其中三个数据集最初用于肺癌诊断，三个最初用于诊断 COVID-19，一个用于肺血管分割研究。这些 CT 的跨国纳入旨在涵盖图像数据的异构分布，因为它们是使用具有不同参数的不同扫描仪获取的。未增强胸部 CT 图像是唯一纳入标准，因此排除标准如下。(i) 增强胸部 CT 图像，通过自动方法选择出来，然后由放射科医生验证。(ii) 含有造影剂的胃。(iii) 具有严重伪影的肝脏图像；肿瘤或囊肿总面积大于5 cm3的肝脏。所有 CT 图像均重新格式化为神经影像信息技术计划 (NIfTI) 格式，并使用线性插值将它们重新采样为一致的体素间距 0.7 × 0.7 × 2.5 mm/像素。

对肝脏进行手动分割，并手动测量所有 1,014 张 CT 图像上的衰减。使用 3D Slicer 软件在厚度为2.5 mm 的轴向切片上手动追踪轮廓线，获得肝脏图像的手动分割。肝脏衰减的参考标准是在实质部分测量的，同时避开异质性区域，例如肝静脉、胆管和局灶性结节。根据先前研究中使用的面积设置，选定区域的面积约为 2 cm。最初，手动分割和衰减测量最初由一名数据科学家和六名具有不同专业水平的临床医生执行。临床医生团队包括一名肺病专家、一名心血管外科医生和四名肾病专家，他们分别拥有 1、10、10、10、10 和 15 年的经验。所有手动注释都经过经验丰富的放射科医生（10 年经验）的验证和潜在更正。通过放射科医生验证过程的注释被视为参考标准。为了评估读者之间的衰减测量差异，四位人类专家独立测量了100 张 CT 图像子集的肝脏衰减，以分析 ROI 的手动选择。衰减测量的人类专家接受了专业放射科医生的全面培训，特别是在选择外围 ROI 以尽量减少非实质异质性方面。这种专业培训确保他们的熟练程度与专业放射科医生相匹配，并使他们有资格成为这项特定任务的专业人员，以可靠地评估读者之间的差异。这 100 张 CT 图像被选为两个外部验证数据集的完整图像集：Covid-19-Italy 和 Covid-19-China。

数据下载：

https://www.nature.com/articles/s41598-024-62887-2

四、技术路线

在前面的文章中已经介绍过肝脏及肝肿瘤分割的案例，具体实现可以参考这篇文章2018Medical Segmentation Decathlon——10项医学分割任务之task3肝脏肿瘤分割。使使用这篇文章的模型直接在MultiNationalCTLiver2024多国胸部CT数据上进行推理计算肝脏分割结果。

1、COVID-19-China肝脏分割结果

左图是金标准结果，右图是预测分割结果。