基于U-Net的直肠癌肿瘤靶区和危及器官的自动分割模型

• 作者: 戴薇 李华玲 王沛沛 唐媛媛 孙新臣 李金凯
• 来源期刊: 医疗装备
• 学科: 医学
• 关键词: 直肠癌 自动分割 卷积神经网络 危及器官 肿瘤靶区
• 年，卷（期）: 2021,（19）
• 所属期刊栏目: 医学工程
• 页码范围: 34-37
• 页数: 4页
• 分类号: R730.53
• 语种: 中文
• DOI: 10.3969/j.issn.1002-2376.2021.19.012

摘要

目的 训练一种基于U-Net的自动分割模型用于直肠癌肿瘤靶区(GTV)和危及器官(OARs)的勾画,并评估该模型的勾画准确性及临床可行性.方法 回顾性分析2018年1月至2020年10月于医院接受术前放射治疗的70例直肠癌患者的临床资料,随机分组,其中52例作为训练集,6例作为验证集,12例作为测试集.所勾画的结构为GTV和OARs,其中OARs包括左侧股骨头、右侧股骨头、膀胱,采用戴斯相似系数(DSC)及豪斯多夫距离(HD)评估勾画结果的准确性.结果 GTV的平均DSC值为(0.70±0.10),平均HD值为(35.58±13.92)mm;左侧股骨头的平均DSC值为(0.94±0.04),平均HD值为(7.72±3.15)mm;右侧股骨头的平均DSC值为(0.93±0.02),平均HD值为(8.54±2.58)mm;膀胱的平均DSC值为(0.94±0.05),平均HD值为(9.42±4.21)mm.结论 基于U-Net的自动分割模型在OARs的勾画中具有较高的准确性,但在GTV勾画中的准确性还有待提高,可将该模型用于辅助临床工作,以提高放射治疗医师的工作效率.