目的設(shè)計一種基于深度學(xué)習(xí)的自動勾畫模型,用于勾畫頭頸部危及器官（OARs）,并與基于圖譜方法的Smart segmentation勾畫軟件進行比較。方法自動勾畫模型由基于深度學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)的分類模型和勾畫模型組成。分類模型將CT圖像從頭腳方向分為6個分類,將每個OARs對應(yīng)分類的CT圖像輸入勾畫模型進行分割勾畫。自動勾畫模型使用150例病例訓(xùn)練模型,Smart segmentation使用相同的150例病例組成圖譜庫,兩者同時對20例測試集進行勾畫。使用相似度系數(shù)（DSC）和豪斯多夫距離（HD）評估2種方法勾畫準(zhǔn)確性,同時記錄兩種方法勾畫花費時間。根據(jù)數(shù)據(jù)是否滿足正態(tài)分布,分別使用配對t檢驗和Wilcoxon符號秩和檢驗。結(jié)果自動勾畫模型的DSC和HD結(jié)果如下:腦干為0.88和4.41 mm、左眼球為0.89和2.00 mm、右眼球為0.89和2.12 mm、左視神經(jīng)為0.70和3.00 mm、右視神經(jīng)為0.80和2.24 mm、左顳葉為0.81和7.98 mm、右顳葉為0.84和8.82 mm、下頜骨為0.89和5.57 mm、左腮腺為0.70和11.92 mm和右腮腺為0.77和11... 

【文章來源】：中華放射醫(yī)學(xué)與防護雜志. 2020,40(05)北大核心CSCD

【文章頁數(shù)】：7 頁

【參考文獻】：
期刊論文
[1]利用深度反卷積神經(jīng)網(wǎng)絡(luò)自動勾畫放療危及器官[J]. 門闊,戴建榮.  中國醫(yī)學(xué)物理學(xué)雜志. 2018(03)



本文編號：3192049