《Insights into Imaging》:Impact of deep learning image reconstruction on CT radiomics reproducibility in patients with pulmonary nodules
编辑推荐:
目的: 确保CT特征在不同成像方案和重建算法间的可重复性对于影像组学应用的泛化性至关重要。本研究旨在评估使用深度学习图像重建(deep learning image reconstruction, DLIR)与常规重建技术在不同辐射剂量下肺结节CT影像组学特征
目的: 确保CT特征在不同成像方案和重建算法间的可重复性对于影像组学应用的泛化性至关重要。本研究旨在评估使用深度学习图像重建(deep learning image reconstruction, DLIR)与常规重建技术在不同辐射剂量下肺结节CT影像组学特征的可重复性。
材料与方法: 研究纳入2023年3月至6月间的94例患者。扫描标准剂量与低剂量CT图像,以评估剂量降低对特征可重复性的影响。将低(DLIR-L)、中(DLIR-M)、高(DLIR-H)强度DLIR(代表渐进水平的噪声抑制)与滤波反投影(filtered back projection, FBP)及50%强度自适应统计迭代重建-V(adaptive statistical iterative reconstruction-V at 50% strength, ASIR-V-50%)进行比较。从肺结节中提取2264个特征。采用一致性相关系数(concordance correlation coefficient, CCC)和变异系数(coefficient of variation, CV)评估剂量间可重复性、重建间可重复性及特征变异性。
结果: DLIR-H、ASIR-V-50%和FBP的剂量间可重复性平均CCC分别为0.934±0.104、0.922±0.128和0.922±0.113(p=0.055),其中29.8%、27.9%和20.2%的特征显示近乎完美的一致性。在低剂量CT中,DLIR-L与ASIR-V-50%相比获得了最高的重建间可重复性(0.950±0.094),39.4%的特征显示近乎完美的一致性。各重建间的总体CV为9.87±20.32%,74.0%的特征高度稳定。部分实性结节显示出最低的变异性(7.17±13.48%,p<0.001)。可重复性随结节增大而显著改善(p<0.001)。
结论: DLIR提高了肺结节影像组学特征的可重复性,特别适用于低剂量CT方案。然而,随着DLIR强度的增加,稳健性趋于下降。结节特征显著影响变异性。
关键要点:
问题: DLIR对肺结节不同辐射剂量和重建方法间影像组学特征可重复性的影响仍不明确。
发现: DLIR-H显示出较高的剂量间可重复性,而DLIR-L实现了最高的重建间可重复性;特征变异性随结节增大而显著降低,共识别出21个稳健特征。
关键相关性声明: 本研究严格评估了CT影像组学中与重建相关的不稳定性,并确定了影响特征稳健性的DLIR设置和结节特征,为临床放射学中方案优化和更可靠的肺结节定量评估提供支持。
深度学习图像重建提升肺结节CT影像组学特征可重复性:一项基于不同辐射剂量与重建算法的系统评估
一、研究背景与目的
影像组学(radiomics)通过提取高维度影像特征,将医学图像转化为可量化的数学数据,在预测肿瘤侵袭性、识别病理亚型、预测基因突变及生存风险分层等方面展现出重要价值。然而,影像组学尚未在临床主流应用中取得决定性突破,其关键制约因素在于特征缺乏足够的稳健性。越来越多的证据表明,辐射剂量水平和图像重建算法是导致影像组学特征不一致和不稳定的重要来源。
深度学习图像重建(deep learning image reconstruction, DLIR)作为一种新型算法,利用基于深度学习的卷积神经网络模拟高剂量、高质量滤波反投影(filtered back projection, FBP)图像,在降低辐射剂量的同时维持图像质量。已有研究证实DLIR在肺结节成像中可提升图像质量并改善病灶显示。然而,作为一项新近引入的技术,DLIR图像衍生的影像组学特征可重复性尚未被充分探索。既往体模研究结果存在矛盾:部分研究报道DLIR图像的可重复性低于自适应统计迭代重建-V(adaptive statistical iterative reconstruction-V, ASIR-V),而另一些研究则提示DLIR可改善影像组学特征稳定性。由于体模材料与人体组织的固有差异,体模研究无法完全模拟临床病灶的生物学复杂性,其结果可能无法直接适用于患者数据。
因此,本研究旨在评估不同辐射剂量(低剂量CT与标准剂量CT)及不同重建算法(DLIR、FBP、ASIR-V)下肺结节影像组学特征的可重复性,以评估DLIR对特征稳定性的影响。
二、研究设计与关键方法
本研究为既往前瞻性研究的回顾性二次分析,经机构审查委员会批准(伦理批准号IS23088),豁免知情同意。研究纳入2023年3月至6月间125例连续患者,最终94例患者(平均年龄56.2±11.9岁,范围23–77岁;男性28例,女性66例)纳入分析,共94个结节,平均结节大小为14.9±6.9mm。结节类型包括纯磨玻璃结节(pure ground-glass nodules, GGNs)39例(41.5%)、部分实性结节39例(41.5%)和实性结节16例(17.0%)。84例结节经手术切除并获病理学确认。
所有CT检查采用256排CT扫描仪(Revolution CT, GE HealthCare),不使用对比剂。标准剂量扫描采用120kVp管电压和自动管电流调制,噪声指数为6.5;低剂量扫描采用相同管电压但噪声指数增至16。标准剂量和低剂量扫描的有效剂量分别为5.43±0.78mSv和0.86±0.14mSv。标准剂量CT图像采用FBP、ASIR-V-50%和DLIR-H重建;低剂量CT图像采用FBP、ASIR-V-50%、DLIR-H、DLIR-M和DLIR-L重建。所有图像采用标准重建核,层厚和层间距为1.25mm。
结节分割使用uAI Research Portal(上海联影智能)自动完成,由两名放射科医师(分别具有2年和32年胸部影像经验)进行人工校正和审核。每个感兴趣区(region of interest, ROI)共提取2264个特征,包括18个一阶特征、14个形状特征和72个纹理特征,所有特征符合影像生物标志物标准化倡议(Imaging Biomarker Standardization Initiative, IBSI)标准。主要分析聚焦于104个原始特征。采用一致性相关系数(concordance correlation coefficient, CCC)评估剂量间和重建间可重复性,采用变异系数(coefficient of variation, CV)评估特征变异性。统计分析使用R软件4.4.2版本,Friedman检验用于比较CCC和CV,Bonferroni校正用于多重比较校正。
三、研究结果
3.1 剂量间可重复性
DLIR-H在标准剂量与低剂量CT间取得最高平均CCC(0.934±0.104),FBP为0.922±0.113,ASIR-V-50%为0.922±0.128,组间差异接近统计学显著性(p=0.055)。一阶和形状特征在所有重建方法中均显示高可重复性(CCC均超过0.977)。纹理特征的可重复性相对较低,DLIR-H(0.914±0.119)显著优于FBP(0.897±0.127)和ASIR-V-50%(0.896±0.146)(p=0.015)。DLIR-H保留了最多的高稳健特征:92个特征(88.5%)CCC≥0.85,31个特征(29.8%)CCC≥0.99,均高于ASIR-V-50%和FBP。
3.2 重建间可重复性
DLIR与ASIR-V-50%之间的可重复性(CCC范围0.933–0.950)总体优于DLIR与FBP之间(CCC范围0.909–0.923)。DLIR强度与可重复性呈负相关。DLIR-L与ASIR-V-50%的CCC为0.950±0.094,超过FBP与ASIR-V-50%(0.943±0.087,p<0.001)。DLIR-H与FBP(0.909±0.138)及DLIR-H与ASIR-V-50%(0.933±0.116)均显著低于FBP与ASIR-V-50%的组合(均p<0.001)。DLIR-L与ASIR-V-50%保留了最多的稳健特征(94/104,90.4%),其中41个特征(39.4%)CCC≥0.99。
3.3 结节类型与大小的亚组分析
部分实性结节变异性最低(CV 7.17±13.48%),实性结节为8.24±9.06%,纯GGNs为13.24±34.21%(均p<0.001)。部分实性结节中78.8%的特征CV<10%。纯GGNs中11.5%的特征CV≥20%,提示其对重建相关变异性更为敏感。结节大小与变异性呈负相关:20–30mm结节CV最低(5.16±6.47%),10–20mm为8.46±14.30%,<10mm为14.18±39.23%(均p<0.001)。20–30mm组83.7%的特征显示可接受的变异性。
3.4 稳健特征
共识别出21个原始影像组学特征为稳健特征,满足剂量间和重建间CCC>0.99且CV<10%的标准。
四、讨论与结论
本研究发现DLIR-H在剂量间可重复性方面优于或不劣于FBP和ASIR-V-50%,尤其对纹理特征改善显著,可能归因于DLIR先进的噪声抑制能力和训练过程中增强的纹理保持能力。重建间可重复性随DLIR强度增加而下降,因为更强的噪声抑制使图像进一步偏离高噪声FBP参考。纹理特征的可重复性低于一阶和形状特征,提示在开发多模态预测模型时应考虑特征类别的差异。结节大小是影响特征稳定性的主导因素,纯GGNs因低对比度和模糊边界更易受噪声影响。
研究局限性包括单中心、单CT扫描仪设计,标准剂量CT未获取DLIR-M和DLIR-L重建,以及组织学亚型谱系广泛。
结论: 本研究提供了DLIR重建CT图像影像组学特征高可重复性的有力证据。DLIR-H的优越剂量间可重复性表明其在基于低剂量CT的影像组学研究中的应用前景。然而,选择DLIR强度时需谨慎,较高水平的DLIR可能降低与ASIR-V或FBP的一致性。结节固有特征(大小和类型)显著影响特征变异性,未来影像组学研究应考虑这些因素。共识别出21个稳健原始影像组学特征,为未来研究提供了稳定的候选特征池。这些发现对于优化CT采集和重建方案、确保影像组学生物标志物的稳健性和临床实用性至关重要。