目的:基于U-net卷積神經(jīng)網(wǎng)絡(luò)的深度學(xué)習方法,探討宮頸癌放療臨床靶區(qū)和危及器官自動勾畫的可行性。方法:利用U-net卷積神經(jīng)網(wǎng)絡(luò)模型搭建的端到端自動分割框架,以100例已進行IMRT治療的宮頸癌患者CT及組織結(jié)構(gòu)信息為研究對象,并隨機選取其中的10例作為測試集。勾畫的對象包括臨床靶區(qū)（CTV）、膀胱、直腸和左、右股骨頭5個部分,比較手動和自動勾畫的戴斯相似性系數(shù)（DSC）和豪斯多夫距離（HD）以評估自動勾畫模型的準確性。結(jié)果:4種危及器官自動勾畫的DSC值都在0.833以上,平均值是0.898;HD值均在8.3 mm以內(nèi),平均值為5.3 mm;臨床靶區(qū)DSC值是0.860,HD值為13.9 mm。結(jié)論:基于U-net卷積神經(jīng)網(wǎng)絡(luò)建立的自動勾畫模型能較為準確地實現(xiàn)宮頸癌臨床靶區(qū)和危及器官的自動勾畫,臨床應(yīng)用中可大幅提高醫(yī)生的工作效率及勾畫的一致性。 

【文章來源】：中國醫(yī)學(xué)物理學(xué)雜志. 2020,37(04)

【文章頁數(shù)】：5 頁

【文章目錄】：
前言
1 材料與方法
    1.1 實驗數(shù)據(jù)
    1.2 網(wǎng)絡(luò)搭建及勾畫流程
    1.3 模型訓(xùn)練
    1.4 評估方法
2 結(jié)果
    2.1 模型訓(xùn)練結(jié)果
    2.2 自動勾畫結(jié)果
3 討論


【參考文獻】：
期刊論文
[1]基于深度學(xué)習的醫(yī)學(xué)影像診斷綜述[J]. 張巧麗,趙地,遲學(xué)斌.  計算機科學(xué). 2017(S2)
[2]基于增強AlexNet的深度學(xué)習的阿爾茨海默病的早期診斷[J]. 呂鴻蒙,趙地,遲學(xué)斌.  計算機科學(xué). 2017(S1)
[3]鼻咽癌靶區(qū)的自動勾畫評價[J]. 吳昕,劉磊,肖江洪,張恒麗,段寶鳳,羅勇,楊莉,李平.  四川醫(yī)學(xué). 2015(06)

碩士論文
[1]基于深度學(xué)習的肺結(jié)節(jié)識別與檢測研究[D]. 張金.西南大學(xué) 2018
[2]基于深度學(xué)習的眼底微動脈瘤檢測與識別的研究[D]. 陳建立.電子科技大學(xué) 2018



本文編號：3032621