利用深度反卷积神经网络自动勾画放疗危及器官

• 作者: 戴建荣 门阔
• 来源期刊: 中国医学物理学杂志
• 关键词: 深度学习 自动分割 放射治疗 危及器官勾画 深度反卷积神经网络
• 年，卷（期）: 2018,（3）
• 所属期刊栏目: 医学放射物理
• 页码范围: 256-259
• 页数: 4页
• 分类号: R815.6
• 语种: 中文
• DOI: 10.3969/j.issn.1005-202X.2018.03.002

摘要

目的:勾画危及器官是放射治疗中非常重要的常规工作.然而,目前的人工勾画非常耗时,而且依赖于医生的知识和经验.为此,本研究提出一种深度反卷积神经网络,用于自动和精确地勾画危及器官.方法:深度反卷积神经网络是一个用于自动分割的端到端框架.实验使用了230例头颈部患者的数据,在其中随机选择了184例作为训练集,用于调制自动分割模型的参数,其余46例用作测试集评估方法的性能.用于分割的危及器官包括脑干、脊髓、左腮腺、右腮腺、左颞叶、右颞叶、甲状腺、喉、气管9个危及器官.自动分割精度的量化指标使用戴斯相似性系数和豪斯多夫距离.结果:所有危及器官自动分割的戴斯相似性系数值均在0.70以上(平均值为0.81),豪斯多夫距离值在5.0 mm内(平均值为4.3 mm),表明本研究提出的自动分割方法能准确地分割危及器官.结论:利用深度反卷积神经网络建立了一种自动分割危及器官的方法,可以得到较准确的结果,为放射治疗流程自动化提供了技术支持.