基于多模态压力模板与光学流算法的吞咽自动检测框架及其在头颈癌患者中的应用

《International Journal of Computer Assisted Radiology and Surgery》：Multimodal framework for swallow detection in video-fluoroscopic swallow studies using manometric pressure distributions from dysphagic patients

本研究针对头颈癌(HNC)患者吞咽功能障碍评估中视频荧光吞咽研究(VFSS)与高分辨率阻抗测压(HRIM)多模态数据采集分析的高临床负荷难题，提出了一种基于双扫掠光学流(OF)算法与压力分布模板的自动吞咽检测框架。通过97例吞咽事件验证，该框架实现95%召回率与92%F1值，并将HRIM标注需求降低63%，为HNC患者吞咽功能的客观量化评估提供了创新解决方案。

　　

吞咽是人类维持生命的重要生理过程，涉及口腔、咽部和食管三个阶段的精密协调运动。头颈癌(Head and Neck Cancer, HNC)患者因肿瘤本身或手术、放疗等治疗手段，常并发口咽性吞咽障碍(Oropharyngeal Dysphagia, OD)，导致营养不良、吸入性肺炎等严重并发症。目前临床金标准诊断工具视频荧光吞咽研究(Videofluoroscopic Swallow Study, VFSS)虽能直观显示吞咽过程，但依赖专家主观判断，存在较大人为误差风险。而高分辨率阻抗测压(High-Resolution Impedance Manometry, HRIM)可提供吞咽压力动力学的定量数据，两者结合能显著提升诊断准确性，但多模态数据的同步采集与分析却面临巨大临床负担。

现有商业软件（如ManoScan?、Solar GI?）采用固定时间窗口记录VFSS片段，难以适应HNC患者吞咽事件的变异性，且需临床医生实时标注HRIM数据，分散了其对患者照护的注意力。为此，荷兰癌症研究所与特温特大学的研究团队在《International Journal of Computer Assisted Radiology and Surgery》发表论文，提出了一种创新性的自动吞咽检测框架，旨在实现VFSS-HRIM多模态数据的自动化分析。

本研究关键技术方法包括：（1）基于双扫掠光学流(Optical Flow, OF)算法的VFSS视频运动检测，通过快速扫描与精细扫描两阶段精准定位吞咽候选区间；（2）利用HRIM数据构建压力分布模板，选取上食管括约肌(Upper Esophageal Sphincter, UES)区域两个压力传感器数据，提取归一化峰峰值幅度、绝对均值及标准差特征；（3）采用二进制交叉相关算法实现VFSS与HRIM数据的采集后同步。研究纳入12例男性HNC术后患者（平均年龄66±11岁）的97次吞咽事件数据进行验证。

框架评估结果

采集后同步分析显示，基于吞咽候选区间与HRIM标注事件的二进制信号交叉相关同步，平均绝对误差仅为0.26±0.28秒（表1）。如图5所示，该方法能准确对齐多模态数据流，为后续分析提供可靠时间基准。

自动吞咽检测性能

吞咽检测评估采用精确率(Precision)、召回率(Recall)和F1值(F1-score)指标（公式5）。双扫掠OF算法初步检测的吞咽候选区间经压力模板分类后，真阳性(True Positive, TP)事件需满足与人工标注区间交并比(Intersection-over-Union, IoU)大于50%且压力评分达标。如图6所示，该方法达到95%召回率与89%精确率，F1值达92%。压力验证步骤将光学流算法产生的假阳性(False Positive, FP)事件减少61%（表2），显著提升特异性。检测时间误差方面，真阳性事件的起始与终止时间平均误差分别为0.44±0.67秒与0.44±1.17秒。

讨论与结论

本研究提出的框架通过光学流运动检测与压力模板验证的双重保障，实现了多模态吞咽事件的高精度自动识别。相较于依赖大规模标注数据的深度学习方方法，该框架仅需3次HRIM标注即可构建有效模板，大幅降低临床工作量（减少63%标注需求）。尤其值得关注的是，该研究针对吞咽模式高度异质性的HNC患者群体设计，在12例包含严重吞咽功能障碍的病例中（表3）表现出强鲁棒性。

未来研究方向包括开发适用于解剖结构异常患者的全自动HRIM吞咽检测算法，以及整合VFSS视频中测压传感器空间信息的自动化分析流程。本研究为吞咽功能障碍的标准化、可扩展多模态评估奠定了技术基础，有望推动头颈癌患者吞咽功能管理的精准医疗发展。