[论文解读] Accurate Esophageal Gross Tumor Volume Segmentation in PET/CT using Two-Stream Chained 3D Deep Network Fusion

Dakai Jin, Dazhou Guo+5 more|arXiv (Cornell University)|Sep 4, 2019

Medical Imaging Techniques and Applications参考文献 17被引用 13

一句话总结

该论文提出了一种双流链式3D深度学习框架，通过融合PET与RTCT影像以提升食管癌大体肿瘤体积（GTV）分割性能。通过利用解剖结构配准和一种新型渐进式语义嵌套网络（PSNN），该方法在Dice分数上相比先前最先进方法实现了11%的绝对提升（0.764 ± 0.134），同时显著降低了Hausdorff距离和表面距离。

ABSTRACT

Gross tumor volume (GTV) segmentation is a critical step in esophageal cancer radiotherapy treatment planning. Inconsistencies across oncologists and prohibitive labor costs motivate automated approaches for this task. However, leading approaches are only applied to radiotherapy computed tomography (RTCT) images taken prior to treatment. This limits the performance as RTCT suffers from low contrast between the esophagus, tumor, and surrounding tissues. In this paper, we aim to exploit both RTCT and positron emission tomography (PET) imaging modalities to facilitate more accurate GTV segmentation. By utilizing PET, we emulate medical professionals who frequently delineate GTV boundaries through observation of the RTCT images obtained after prescribing radiotherapy and PET/CT images acquired earlier for cancer staging. To take advantage of both modalities, we present a two-stream chained segmentation approach that effectively fuses the CT and PET modalities via early and late 3D deep-network-based fusion. Furthermore, to effect the fusion and segmentation we propose a simple yet effective progressive semantically nested network (PSNN) model that outperforms more complicated models. Extensive 5-fold cross-validation on 110 esophageal cancer patients, the largest analysis to date, demonstrates that both the proposed two-stream chained segmentation pipeline and the PSNN model can significantly improve the quantitative performance over the previous state-of-the-art work by 11% in absolute Dice score (DSC) (from 0.654 to 0.764) and, at the same time, reducing the Hausdorff distance from 129 mm to 47 mm.

研究动机与目标

• 解决食管癌放疗计划中手动勾画GTV存在不一致且耗时的问题。
• 克服仅依赖RTCT分割的局限性，后者因软组织对比度低且肿瘤边界不清晰而影响精度。
• 利用早期获取的用于分期诊断的PET/CT扫描，尽管存在时间错配，仍用于提升基于RTCT的GTV分割性能。
• 开发一种稳健的自动化方法，融合PET（高代谢对比度）与CT（解剖细节）的互补信息，以提高分割准确性。
• 在迄今为止最大的食管GTV分割数据集（n=110例患者）上展示最先进性能。

提出的方法

• 采用基于解剖结构的初始化方法，对纵向的RTCT与PET/CT扫描进行配准，实现多模态融合前的对齐。
• 设计双流链式流水线：一路仅处理RTCT以保留解剖上下文信息，另一路融合RTCT与配准后的PET影像以增强代谢敏感性。
• 提出渐进式语义嵌套网络（PSNN），一种3D U-Net变体，采用深度监督机制，将高层语义特征传递至低层高分辨率特征。
• 在编码器中实施早期融合（EF），将PET与CT输入进行融合；在解码器中实施晚期融合（LF），融合特征图以整合互补信息。
• 采用3D滑动窗口推理，输入子体积为80×80×64，步长为48×48×32，实现全体积预测，并通过概率图聚合结果。
• 使用Adam优化器，配合权重衰减与动量，训练40个周期，采用患者级别的5折交叉验证。

实验结果

研究问题

• RQ1 与仅使用RTCT相比，联合使用诊断性PET与治疗期CT是否能提升GTV分割的准确性？
• RQ2 在GTV分割性能方面，PET与CT输入的早期融合与晚期融合相比有何差异？
• RQ3 所提出的PSNN架构是否在食管GTV分割任务中优于现有的3D U-Net与P-HNN基线模型？
• RQ4 该双流链式融合流水线在肿瘤边界模糊的病例中，是否能显著降低分割误差？
• RQ5 鉴于目前最大的食管GTV数据集，该方法是否具备在多样化患者解剖结构与肿瘤表现下的泛化能力？

主要发现

• 所提出的PSNN模型Dice分数达到0.764 ± 0.134，相比先前最先进方法DenseUNet（0.654 ± 0.210）实现了11%的绝对提升。
• Hausdorff距离从DenseUNet的129.0 ± 73.0 mm降低至最佳PSNN流水线的47.1 ± 56.0 mm，表明边界精度显著提高。
• 相对于真实值的平均表面距离（ASD）降低至3.2 ± 3.3 mm，相比之前最佳方法改善了2.0 mm。
• 双流链式融合流水线（EF+LF）在所有主干网络（DenseUNet、P-HNN、PSNN）中均一致提升性能，证明其良好的泛化能力。
• 即使仅在RTCT上进行训练，PSNN模型在性能上仍优于P-HNN与DenseUNet，表明其在特征学习与深度监督设计上的优越性。
• 该方法在迄今为止最大的食管GTV分割数据集（n=110例患者）上取得了最佳性能，验证了其鲁棒性与可扩展性。