基于U-net卷积神经网络的宫颈癌临床靶区和危及器官自动勾画的研究

• 作者: 吴爱东 吴爱林 张朋 朱雅迪 秦楠楠 薛旭东 闫冰
• 来源期刊: 中国医学物理学杂志
• 关键词: 深度学习 自动分割 临床靶区 危及器官 放射治疗 U-net
• 年，卷（期）: 2020,（4）
• 所属期刊栏目: 医学人工智能
• 页码范围: 524-528
• 页数: 5页
• 分类号: R737.3|R319
• 语种: 中文
• DOI: 10.3969/j.issn.1005-202X.2020.04.023

摘要

目的:基于U-net卷积神经网络的深度学习方法,探讨宫颈癌放疗临床靶区和危及器官自动勾画的可行性.方法:利用U-net卷积神经网络模型搭建的端到端自动分割框架,以100例已进行IMRT治疗的宫颈癌患者CT及组织结构信息为研究对象,并随机选取其中的10例作为测试集.勾画的对象包括临床靶区(CTV)、膀胱、直肠和左、右股骨头5个部分,比较手动和自动勾画的戴斯相似性系数(DSC)和豪斯多夫距离(HD)以评估自动勾画模型的准确性.结果:4种危及器官自动勾画的DSC值都在0.833以上,平均值是0.898;HD值均在8.3 mm以内,平均值为5.3 mm;临床靶区DSC值是0.860,HD值为13.9 mm.结论:基于U-net卷积神经网络建立的自动勾画模型能较为准确地实现宫颈癌临床靶区和危及器官的自动勾画,临床应用中可大幅提高医生的工作效率及勾画的一致性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张朋	中国科学技术大学附属第一医院放疗科	17	71	4.0	8.0
2	吴爱东	安徽医科大学生物医学工程学院	11	72	5.0	8.0
6	薛旭东	中国科学技术大学附属第一医院放疗科	6	2	1.0	1.0
7	闫冰	中国科学技术大学附属第一医院放疗科	9	16	2.0	4.0
8	秦楠楠	安徽医科大学生物医学工程学院	1	0	0.0	0.0
9	吴爱林	中国科学技术大学附属第一医院放疗科	3	2	1.0	1.0
10	朱雅迪	安徽医科大学生物医学工程学院	2	0	0.0	0.0