頭頸部癌癥是一個冷酷的殺手，以其極高的發(fā)病率和致死率令人聞之色變。所幸人類有精準(zhǔn)放療這個法寶，使它不能恣意妄為。
然而，“道高一尺，魔高一丈”。頭頸癌藏身之處是人體極為關(guān)鍵的部位，如腮腺、腦干等重要組織器官，而目前放療的精度并不能完全保證射線不傷及“無辜”。因此精準(zhǔn)放療雖然武藝高強，但在實際操作中依然投鼠忌器、束手束腳。
究竟如何才能對頭頸癌實施精準(zhǔn)打擊呢？近日，電子科技大學(xué)自動化工程學(xué)院成像科學(xué)與圖像處理研究中心王振松博士在國際圖像處理領(lǐng)域著名期刊IEEE Transactions on Image Processing發(fā)表封面文章，提出了一種智能化、精準(zhǔn)化的圖像分割新方法，以輔助醫(yī)生精確勾畫頭頸部組織器官的解剖位置，從而為打靶頭頸部腫瘤“精確制導(dǎo)”。
火眼“精”睛
放療是當(dāng)前臨床治療頭頸癌的主要方法之一。隨著技術(shù)的進(jìn)步，人類已經(jīng)能夠?qū)Ψ暖煹妮椛鋭┝窟M(jìn)行精確控制和精準(zhǔn)投送，但對靶區(qū)的勾畫技術(shù)卻還不能滿足日益增長的臨床需求。這就導(dǎo)致了即便放療的“槍法”很準(zhǔn)，但如果“敵我難分”，也有可能對病人的正常器官造成“誤傷”。
即便找到了靶區(qū)，要做到十分精準(zhǔn)的打擊，依然任重道遠(yuǎn)。如果靶區(qū)小于腫瘤的實際體積，則無法徹底清除癌細(xì)胞，可能導(dǎo)致癌細(xì)胞殘留或癌癥復(fù)發(fā)；如果靶區(qū)大于腫瘤的實際體積，則會造成殺傷范圍過大，傷及無辜的正常組織或器官。因此，醫(yī)生在三維CT圖像上勾畫腫瘤靶區(qū)時必須十分小心。
目前常用的CT影像是斷層切片掃描的黑白影像，醫(yī)生需要在每一個切片影像上手動勾畫靶區(qū)，然后再疊加起來確定三維靶區(qū)的位置。切片越多越密，三維靶區(qū)的精度就越高。然而，如果切片過多，醫(yī)生手動勾畫靶區(qū)的工作量就會非常大，而且工作十分枯燥、效率低下；如果減少切片，又會降低靶區(qū)勾畫的精度。
“在技術(shù)層面，我們可以把影像切片的間距控制在1毫米以內(nèi)，但要人工勾畫這么多片子，醫(yī)生會很累而且會耗費許多時間。”王振松介紹，頭頸部的器官非常小而且非常多，據(jù)文獻(xiàn)記載，有經(jīng)驗的醫(yī)師手動完成一例頭頸部放療計劃的勾畫平均要耗費2.7個小時。
于是，如何進(jìn)一步提升靶區(qū)和重要器官勾畫的精度，同時把醫(yī)生從繁重的手動勾畫工作中解放出來，就成為了治療頭頸癌的重要臨床需求。與之相對應(yīng)，如何將先進(jìn)的醫(yī)學(xué)影像技術(shù)與百年來臨床放射治療癌癥的知識和經(jīng)驗進(jìn)行整合優(yōu)化，實現(xiàn)半自動或全自動的癌癥（或腫瘤）靶區(qū)精準(zhǔn)勾畫，也成為了當(dāng)前醫(yī)學(xué)圖像處理領(lǐng)域的研究熱點。
創(chuàng)新算法
在王振松之前，學(xué)界已經(jīng)探索出了“基于圖像灰度表觀特征的多圖譜分割方法”“基于形狀模型的分割方法”等勾畫頭頸癌靶區(qū)的方法。這些方法在勾畫靶區(qū)時均有所側(cè)重，有的基于灰度，有的基于形狀模型，有的基于圖譜，每種方法各有所長但也各有所短。
以基于灰度的方法為例。“計算機可以幫助醫(yī)生區(qū)分CT影像中人眼無法識別的細(xì)微灰度變化，但頭頸部的軟組織在CT圖像上的灰度分辨率很低，即便是計算機也很難精準(zhǔn)區(qū)分，誤差較大。而且，如果遇到金屬植入物干擾，比如金屬假牙在CT成像中會產(chǎn)生一塊偽影，就導(dǎo)致靶區(qū)勾畫更加困難。”王振松告訴《科學(xué)新聞》。
那么，魚與熊掌真的不能兼得嗎？能否把這些方法綜合起來，各取所長、相互印證，進(jìn)一步提升勾畫的準(zhǔn)確度呢？王振松的思路是，把圖譜和形狀綜合起來，提出一種“多級學(xué)習(xí)模型”，先讓計算機“學(xué)習(xí)”大量的圖譜——這些圖譜都是由醫(yī)生手工勾畫并經(jīng)過臨床檢驗的，“先驗”地掌握頭頸部器官或組織的分布規(guī)律。
然后，計算機再結(jié)合基于解剖學(xué)的“組織器官”的形狀等先驗知識，按照知識關(guān)鍵性進(jìn)行同步逐級學(xué)習(xí)。在此過程中，該方法建立了“形狀頂點關(guān)鍵度評判”新機制，提出了“多級形狀頂點回歸”新策略，構(gòu)建了“形狀和圖像表觀聯(lián)合學(xué)習(xí)”新框架。“這個方法可以很好地解決金屬假牙造成的干擾，這是單純地基于灰度的方法難以解決的問題。”王振松表示。
通過比較，王振松提出的“多級頂點回歸方法”的分割結(jié)果最接近目標(biāo)器官的真實輪廓。實驗數(shù)據(jù)顯示：在勾畫腦干時，其他5種方法的DSC值（一種相似性測度，數(shù)值越高意味著越相似、越準(zhǔn)確）分別為88±3%、86±5%、85±5%、80±7%、86±（-）%，而王振松的結(jié)果是90±4%；在勾畫下頜骨時，其他5種方法的DSC值分別為91±2%、93±2%、88±6%、92±2%、79±5%，而王振松的結(jié)果是94±1%；在勾畫腮腺時，其他5種方法的DSC值分別為82±1%、76±8%、82±5%、81±5%、82±（-）%，而王振松的結(jié)果是83±6%。也就是說，王振松的方法在靶區(qū)勾畫的精確度上有了大幅提升。
讓醫(yī)療更智能
2015年底至2016年底，王振松在美國北卡羅萊納大學(xué)教堂山分校訪學(xué)時，在沈定剛教授的指導(dǎo)下開始研究頭頸部CT圖像的處理問題。從接觸這個研究方向到最終做出這項成果，他只用了一年時間。
“我剛開始做的是圖像配準(zhǔn)研究，就是把不同時間、不同傳感器或不同條件下獲取的圖像進(jìn)行匹配、疊加，這和我現(xiàn)在所做的CT圖像分割研究有很大區(qū)別。”王振松說，“沈定剛教授團隊有很好的研究基礎(chǔ)，因此我有幸能夠站在前人的基礎(chǔ)上，取得這項研究進(jìn)展。”
與最終發(fā)表的論文相比，編算法、寫代碼是更加艱辛的工作。為了讓計算機“學(xué)會”如何分割或識別圖像，王振松編寫了大量代碼，而且還要在測試的過程中不斷修正，甚至按照新的思路推倒重寫。慶幸的是，他曾經(jīng)從事的軟件開發(fā)工作為研究的順利進(jìn)行奠定了堅實基礎(chǔ)。
現(xiàn)在，王振松正在進(jìn)一步優(yōu)化算法。他表示這種方法是一種很有潛力的方法，在較好的硬件條件下，該算法采用的并行加速技術(shù)可以成百倍、上千倍甚至更多倍地縮短靶區(qū)勾畫的時間。據(jù)統(tǒng)計，該方法在64位系統(tǒng)、一個Intel i7-4570 CPU、3.2GHz主頻、16G內(nèi)存的硬件平臺上完成一例腦干圖像的分割，耗時僅為36分鐘。
然而，這一方法距離滿足臨床應(yīng)用的要求可能還有很長的一段路要走。王振松介紹，目前，他正努力讓算法更精確、更高效，并與華西醫(yī)院、成都市第六人民醫(yī)院等進(jìn)行合作。精益求精并不容易，因為當(dāng)分割精確度越來越趨近于100%的時候，每提高1個百分點甚至0.1個百分點，都需要付出極大的努力。
“我有一個心愿，就是讓頭頸癌靶區(qū)勾畫越來越精準(zhǔn)、越來越智能。既能減輕醫(yī)生的工作壓力，也能為病人帶來福祉，從而為我國的健康事業(yè)作出更多貢獻(xiàn)。”王振松最后表示�！�
（作者單位為電子科技大學(xué)）