目的:擬分析基于不同醫(yī)院數(shù)據(jù)的心臟自動(dòng)勾畫模型在臨床應(yīng)用中的適用性及其改進(jìn)方法。方法:首先,建立基于U-net和Inception模塊的心臟自動(dòng)勾畫網(wǎng)絡(luò)。其次,收集不同治療中心的患者數(shù)據(jù):中國(guó)科學(xué)技術(shù)大學(xué)附屬第一醫(yī)院65例（數(shù)據(jù)1）、MICCAI2019比賽數(shù)據(jù)50例（數(shù)據(jù)2）、數(shù)據(jù)1和2的混合數(shù)據(jù)（數(shù)據(jù)3）、鄭州大學(xué)第一附屬醫(yī)院50例（數(shù)據(jù)4）和鄭州大學(xué)第一附屬醫(yī)院100例（數(shù)據(jù)5）,分別訓(xùn)練得到模型1～5。然后,以鄭州大學(xué)第一附屬醫(yī)院59例患者作為測(cè)試集,使用形狀相似性系數(shù)（DSC）評(píng)估該測(cè)試集在不同模型上的分割精度,比較模型之間的差別。最后,將模型3作為心臟預(yù)訓(xùn)練模型,采用數(shù)據(jù)5進(jìn)行模型再訓(xùn)練,分別測(cè)試3組實(shí)驗(yàn)（20例/次×5次、10例/次×10次、5例/次×20次）對(duì)心臟預(yù)訓(xùn)練模型的改進(jìn)情況。結(jié)果:測(cè)試集在模型1～5中的平均DSC為0.926、0.932、0.939、0.941和0.950。在再訓(xùn)練過(guò)程中,模型在20例/次×5次的實(shí)驗(yàn)中表現(xiàn)更穩(wěn)定。結(jié)論:基于不同醫(yī)院的數(shù)據(jù)訓(xùn)練模型在心臟自動(dòng)勾畫的臨床應(yīng)用上表現(xiàn)存在差異,使用本地醫(yī)院數(shù)據(jù)進(jìn)行訓(xùn)練的模型預(yù)測(cè)精度更高。對(duì)于非本地?cái)?shù)據(jù)訓(xùn)... 

【文章來(lái)源】：中國(guó)醫(yī)學(xué)物理學(xué)雜志. 2020,37(10)

【文章頁(yè)數(shù)】：6 頁(yè)

【部分圖文】：

CT分類網(wǎng)絡(luò)模型結(jié)構(gòu)

圖1 CT分類網(wǎng)絡(luò)模型結(jié)構(gòu)為了改進(jìn)模型在不同醫(yī)院臨床應(yīng)用時(shí)表現(xiàn)有一定差異的問(wèn)題，本研究使用一定數(shù)量的本地?cái)?shù)據(jù)對(duì)心臟的預(yù)訓(xùn)練模型進(jìn)行再訓(xùn)練，觀察預(yù)訓(xùn)練模型在臨床應(yīng)用中的改善情況。將模型3作為預(yù)訓(xùn)練模型，然后將訓(xùn)練數(shù)據(jù)5作為本地?cái)?shù)據(jù)，進(jìn)行模型的臨床應(yīng)用改進(jìn)。在實(shí)驗(yàn)過(guò)程中，考慮到使用本地?cái)?shù)據(jù)每次再訓(xùn)練使用的病例數(shù)不同，可能會(huì)對(duì)模型的收斂速度和預(yù)測(cè)精度造成影響，所以本研究將100例患者的再訓(xùn)練數(shù)據(jù)分3組：第一組每次再訓(xùn)練采用20例，共進(jìn)行5次；第二組每次再訓(xùn)練采用10例，共進(jìn)行10次；第三組每次再訓(xùn)練采用5例，共進(jìn)行20次。再訓(xùn)練過(guò)程中，loss函數(shù)、模型訓(xùn)練的迭代次數(shù)均與之前保持一致，分別計(jì)算每次更新訓(xùn)練模型后在測(cè)試集上的DSC。

從表2和圖3可以看到，模型1～5在測(cè)試集上的結(jié)果存在一定的差異，從DSC的比較結(jié)果來(lái)看，模型5>模型4>模型3>模型2>模型1，基于鄭州大學(xué)第一附屬醫(yī)院的100例患者數(shù)據(jù)訓(xùn)練得到的模型效果最好。模型2得到的DSC低于模型5得到的DSC，并且兩者存在顯著性差別（P<0.05）。模型3得到的DSC高于模型1和模型2，模型5得到的DSC高于模型4，說(shuō)明訓(xùn)練數(shù)據(jù)量的增多可以提高模型的精度。

【參考文獻(xiàn)】：
期刊論文
[1]基于3D深度殘差全卷積網(wǎng)絡(luò)的頭頸CT放療危及器官自動(dòng)勾畫[J]. 田娟秀,劉國(guó)才,谷珊珊,顧冬冬,龔軍輝.  中國(guó)生物醫(yī)學(xué)工程學(xué)報(bào). 2019(03)
[2]自動(dòng)勾畫技術(shù)在前列腺癌自適應(yīng)放射治療中的臨床應(yīng)用研究[J]. 崔志強(qiáng),邱杰,楊波,劉峽,龐廷田,劉楠,于浪,李文博,董婷婷,汪之群,王貝.  中國(guó)醫(yī)學(xué)裝備. 2019(04)
[3]深度卷積神經(jīng)網(wǎng)絡(luò)在放射治療計(jì)劃圖像分割中的應(yīng)用[J]. 鄧金城,彭應(yīng)林,劉常春,陳子杰,雷國(guó)勝,吳江華,張廣順,鄧小武.  中國(guó)醫(yī)學(xué)物理學(xué)雜志. 2018(06)
[4]利用深度反卷積神經(jīng)網(wǎng)絡(luò)自動(dòng)勾畫放療危及器官[J]. 門闊,戴建榮.  中國(guó)醫(yī)學(xué)物理學(xué)雜志. 2018(03)

碩士論文
[1]基于Inception模塊的醫(yī)療圖像分類[D]. 王巍.吉林大學(xué) 2018



本文編號(hào)：3021453