论文部分内容阅读
第一部分低剂量CT扫描在智能ASPECTS评估中的应用价值背景与目的:低剂量CT扫描方案已广泛应用在急性缺血性卒中（Acute ischemic stroke,AIS）的临床诊疗和研究中,但低剂量CT扫描在智能ASPECTS（Alberta stroke program early CT score,ASPECTS）评估中的应用价值尚不明确。本部分的研究目的是探讨低剂量CT扫描在目前已有的智能ASPECTS软件评估中的可行性,并比较不同重建层厚和重建算法对智能ASPECTS结果的影响,选择重建层厚、重建算法的最佳匹配。材料与方法:本部分研究回顾性纳入2018年3月至2020年6月就诊于吉林大学第一医院行基线多模态CT检查,并接受静脉溶栓或血管内治疗的AIS患者。放射科专家审阅基线多模态CT和复查图像后制定基线ASPECTS的参考标准。研究对象均采用低剂量扫描方案,CT平扫（Non-contrast computed tomography,NCCT）的管电压120KV,管电流200m As,重建方案包括5mm层厚的混合迭代重建图像（Hybrid Iterative Reconstruction,HIR）,1mm层厚的HIR图像和1mm层厚的全模型迭代重建图像（Iterative Model Reconstruction,IMR）。智能ASPECTS软件（RAPID软件,NBC软件）分别评估基线NCCT不同重建图像,得到基线ASPECTS评分。放射医生评估复查影像得到复查ASPECTS评分。基于分值水平,基线ASPECTS评分与参考标准一致性比较采用组内相关系数（Intra-class correlation coefficients,ICC）;基于区域分布水平,计算智能ASPECTS软件评估的敏感度、特异度、准确度和受试者操作曲线下面积（Area under receiver operator characteristic curve,AUC）。Spearman相关性检验用于检测基线ASPECTS与基线NIHSS评分、复查ASPECTS间的相关性。结果:276例AIS患者纳入本研究。基于分值水平,智能ASPECTS软件评估低剂量CT扫描方案不同重建图像的结果与参考标准间一致性中等到良好;RAPID软件ICC≥0.74;NBC软件ICC≥0.59。基于区域分布水平,RAPID软件的敏感度≥0.54、特异度≥0.91、准确度≥0.83及AUC≥0.74;NBC软件的敏感度≥0.51、特异度≥0.81、准确度≥0.73及AUC≥0.66;5mm HIR图像的智能ASPECTS结果（RAPID:敏感性0.60,AUC=0.76;NBC:敏感性0.56,AUC=0.71）优于1mm HIR图像（RAPID:敏感性0.54,AUC=0.74;NBC:敏感性0.51,AUC=0.66）,具有更高的敏感性和AUC,差异均有统计学意义（P＜0.05）;1mm IMR图像的智能ASPECTS结果（RAPID:AUC=0.78;NBC:AUC=0.72）优于1mm HIR图像（RAPID:AUC=0.74;NBC:AUC=0.66）,具有更高的AUC,差异均有统计学意义（P＜0.05）。基于5mm HIR、1mm HIR和1mm IMR图像的基线ASPECTS与基线NIHSS评分、复查ASPECTS均显著相关。结论:低剂量CT扫描在智能ASPECTS软件评估中具有可行性,基于分值的结果可以评估AIS梗死的范围大小;基于区域分布的结果准确性在每个区域存在差异,需要医生综合判断。低剂量CT扫描在智能ASPECTS应用过程中,重建层厚应选择5mm,结合卒中中心的硬件设备情况,重建算法可选择IMR。第二部分基于NCCT急性缺血性卒中ASPECTS人工智能评估模型的建立及评价背景与目的:ASPECTS区域分布与功能预后密切相关,但受区域分割准确性影响,智能ASPECTS区域分布结果存在差异。本部分的研究目的是构建和评价基于NCCT图像的急性缺血性卒中ASPECTS人工智能评估模型,该模型包括基于3D卷积神经网络（Three-dimensional convolutional neural network,3D-CNN）的区域分割模型和每个区域基于影像组学特征机器学习算法的分类模型,为卒中精准治疗和制定个性化康复方案提供依据。材料与方法:本部分研究回顾性纳入2016年7月至2020年7月就诊于吉林大学第一医院行基线多模态CT检查的513例AIS患者,共1026个ASPECTS区域。采用分层抽样法,选取100例患者为测试集,413例为训练/验证集,保证测试集与训练/验证集ASPECTS区域阳性样本量、陈旧性梗死和脑白质疏松患者量比例均不少于1:4。首先在NCCT图像上手工分割ASPECTS区域,然后构建ASPECTS区域的3D-CNN分割模型。在测试集上,应用戴斯相似性系数（Dice similarity coefficient,DSC）和平均豪斯多夫距离（Average Hausdorff Distance,AHD）评价分割模型的性能。在3D-CNN分割模型基础上,将每个ASPECTS区域分割结果导入ISD科研平台,进行影像组学特征提取、选择。用所选特征构建每个区域的分类模型,以鉴别每个区域是正常或EIC,分类模型构建采用9种（决策树、随机森林、逻辑回归、最邻近规则、支持向量机、多层感知器、贝叶斯高斯分类器、极端梯度上升法和自适应提升算法）不同机器学习算法。采用5倍交叉验证法在413例患者的低剂量NCCT上训练并验证模型,选择诊断效能最佳的机器学习算法,并在100例患者的低剂量NCCT上进行独立测试。此外4名放射医生（2名低年资、1名中年资和1名高年资医生）,在不知道人工智能评估模型结果情况下,独立评估测试集的数据。基于ASPECTS分值水平,用ICC评估模型、放射医生与参考标准间的一致性;基于区域分布水平,用敏感度、特异度、准确度和AUC评估模型和放射医生的诊断效能。结果:（1）3D-CNN分割模型（尾状核、内囊、豆状核、岛叶、M1-M6）的DSC值分别为64%、63%、76%、77%、80%、80%、75%、77%、79%和77%。（2）3D-CNN分割模型（尾状核、内囊、豆状核、岛叶、M1-M6）的AHD值分别为1.24、0.86、0.94、1.16、1.24、1.26、1.37、1.33、1.50和1.55。（3）影像组学机器学习分类模型（尾状核、内囊、豆状核、岛叶、M1-M6）的诊断效能准确性62%-90%、敏感性43%-91%、特异性81%-96%和AUC 0.72-0.93。（4）基于分值水平,分割模型联合分类模型得到的智能ASPECTS与参考标准间一致性良好,ICC为0.78,不劣于高年资医生（ICC=0.83,P＞0.05）,优于中低年资医生（P＜0.05）。（5）基于区域分布水平,分割模型联合分类模型智能ASPECTS的平均诊断效能为准确性80%、敏感性76%,敏感性优于各级别医生（P＜0.05）;准确性优于低年资医生（P＜0.05）,不劣于中年资医生（P＞0.05）,不如高年资医生（P＜0.05）。结论:3D-CNN深度学习网络实现ASPECTS区域自动分割,分割效能良好,可以应用于ASPECTS评估。3D-CNN分割模型联合机器学习分类模型实现ASPECTS智能评估,模型效能良好,比医生诊断EIC敏感性高,能辅助医生快速、准确的完成ASPECTS评估。第三部分急性缺血性卒中CT灌注成像定量测量的可重复性研究背景与目的:CT灌注成像（CT Perfusion,CTP）定量分析用于AIS患者ASPECTS参考标准的制定,但CTP定量结果的可重复性受后处理流程中多种因素影响。本部分的研究目的是探讨CTP后处理流程中医生、ROI（Regions of interest,ROI）形态、输入模型、软件四个因素对定量结果可重复性的影响,为应用CTP制定ASPECTS参考标准提供依据。材料与方法:本部分研究回顾性纳入2016年9月至2018年11月就诊于吉林大学第一医院行多模态CT检查的AIS和短暂性脑缺血发作（Transient ischemic attack,TIA）患者各40例。CTP图像的后处理过程由两名医生分别应用不同软件、不同输入模型和不同ROI形态完成,得到各参数图上脑实质的10个ROI的定量结果。使用ICC评价不同后处理方法得到的CTP定量结果间的可重复性,使用Spearman相关性检验分析不同软件和不同输入模型得到的CTP定量结果间的潜在关系。结果:CTP定量结果的医生间一致性ICC为0.94（95%CI:0.93-0.96）、0.94（95%CI:0.92-0.96）、0.82（95%CI:0.79-0.86）和0.87（95%CI:0.85-0.90）,分别对应选择椭圆形ROI、不规则形ROI、单输入模型和双输入模型的定量结果。CTP定量结果的ROI形态间一致性、输入模型间一致性和软件间一致性ICC分别为0.98（95%CI:0.98-0.98）、0.46（95%CI:0.43-0.50）和0.25（95%CI:0.20-0.30）。对于各CTP参数图,即脑血容量（Cerebral Blood Volume,CBV）、脑血流量（Cerebral Blood Flow,CBF）、平均通过时间（Mean Transit Time,MTT）和达峰时间（Time to Peak,TTP）,不同输入模型间Spearman相关系数分别为0.60,0.79,0.56和0.50,不同软件间Spearman相关系数分别为0.52,0.76,0.51和0.72,所有相关性之间均有统计学差异（P＜0.05）。结论:在输入模型和软件一致的前提下,应用规范化CTP后处理流程得到的定量结果在医生间和ROI形态间均具有良好的可重复性,规范化CTP后处理流程为应用CTP制定ASPECTS参考标准提供有力依据。