基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
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.
推荐文章
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
深度学习
自动分割
临床靶区
危及器官
放射治疗
U-net
基于双向循环U-Net模型的脑卒中病灶分割方法
深度学习
脑卒中病灶分割
CGRU;
U-Net
双向特征融合
多视面融合
基于U-Net卷积神经网络的轮毂缺陷分割
轮毂缺陷分割
自动分割
深度学习
神经网络
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于U-Net的直肠癌肿瘤靶区和危及器官的自动分割模型
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
研究方向 页码范围 34-37
页数 4页 分类号 R730.53
字数 语种 中文
DOI 10.3969/j.issn.1002-2376.2021.19.012
五维指标
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (0)
共引文献  (0)
参考文献  (0)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
2021(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
研究主题发展历程
节点文献
直肠癌
自动分割
卷积神经网络
危及器官
肿瘤靶区
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
医疗装备
半月刊
1002-2376
11-2217/R
大16开
北京北三环中路2号
2-965
1987
chi
出版文献量(篇)
29099
总下载数(次)
33
论文1v1指导