使用在小樣本中特征學(xué)習(xí)效果理想的密集全連接卷積網(wǎng)絡(luò)基于CT圖像對(duì)宮頸癌患者CTV進(jìn)行自動(dòng)預(yù)勾畫,并評(píng)估效果。研究隨機(jī)選取勾畫范圍相近的IB期和IIA期宮頸癌術(shù)后患者CT數(shù)據(jù),從勾畫相似度、輪廓偏移程度和勾畫體積差異程度三個(gè)方面評(píng)估預(yù)勾畫精度。經(jīng)驗(yàn)證,8項(xiàng)最具代表性的參數(shù)結(jié)果優(yōu)于單一網(wǎng)絡(luò)勾畫結(jié)果,并優(yōu)于國際報(bào)道。Dense V-Net可較為準(zhǔn)確地實(shí)現(xiàn)宮頸癌患者CTV預(yù)勾畫,經(jīng)醫(yī)生審查簡(jiǎn)單修改,可用于臨床。

【文章頁數(shù)】：6 頁

【部分圖文】：

圖1DenseV-Net結(jié)構(gòu)Fig.1DenseV-Netstructurediagram

?作為激活函數(shù)，使圖像特征被充分利用，加強(qiáng)分割效果，得到與原始輸入圖像大小相同的輸出結(jié)果[15]。該融合網(wǎng)絡(luò)包含了兩種單一網(wǎng)絡(luò)的優(yōu)點(diǎn)。DenseNet的結(jié)構(gòu)保證了圖像各層擁有最大信息流動(dòng)，使得參數(shù)可被其后所有層調(diào)用，提高圖像特征利用率，在減少冗余信息的同時(shí)加速目標(biāo)函數(shù)收斂；對(duì)三種....

圖形顯卡的服務(wù)器上運(yùn)圖2網(wǎng)絡(luò)訓(xùn)練及勾畫驗(yàn)證流程Fig.2Networktrainingandsketchingverificationflowchart數(shù)據(jù)的訓(xùn)練、評(píng)估

對(duì)訓(xùn)練樣本進(jìn)行抽樣和旋轉(zhuǎn)：對(duì)每個(gè)病例的CT圖像隨機(jī)抽取連續(xù)的64層，得到10～20個(gè)訓(xùn)練樣本；沿x，y，z軸分別對(duì)樣本進(jìn)行±10o以內(nèi)的隨機(jī)角度旋轉(zhuǎn)，進(jìn)一步擴(kuò)展數(shù)據(jù)容量。從而在增加樣本數(shù)量的同時(shí)使訓(xùn)練結(jié)果更具廣泛性和精確性。最后，執(zhí)行網(wǎng)絡(luò)訓(xùn)練與勾畫驗(yàn)證，流程如圖2所示。分別訓(xùn)練和....

圖(g)ScatterboxdiagramofIncI(h)JD散點(diǎn)箱型圖(h)ScatterboxdiagramofJD(g)IncI散點(diǎn)箱型

ChineseJournalofMedicalInstrumentation設(shè)計(jì)與制造4122020年44卷第5期(a)DSC散點(diǎn)箱型圖(a)ScatterboxdiagramofDSC(c)HD散點(diǎn)箱型圖(c)ScatterboxdiagramofHD(e)△V散點(diǎn)箱型圖(e)....

圖4患者CT圖像及勾畫結(jié)果Fig.4PatientCTimageandsketchingresultsCT圖像兩種勾畫對(duì)比患者醫(yī)生手動(dòng)勾畫網(wǎng)絡(luò)自動(dòng)勾畫

較差。如圖5所示，骶前淋巴引流區(qū)分叉處下緣及梨狀肌上端前界部位的自動(dòng)勾畫普遍誤差較大，網(wǎng)絡(luò)往往不能準(zhǔn)確識(shí)別該分界，在梨狀肌及第三骶椎前緣處產(chǎn)生冗余勾畫。另外，對(duì)膀胱后壁與直腸前壁的處理部分存在誤差，這是由于醫(yī)生手動(dòng)勾畫時(shí)，會(huì)根據(jù)病人憋尿程度不同將CTV前界適當(dāng)外擴(kuò)（一般向膀胱后壁....

本文編號(hào)：4017166