相較于以往將靶區(qū)作為單獨(dú)區(qū)域進(jìn)行自動(dòng)分割的神經(jīng)網(wǎng)絡(luò),本文提出了一種利用靶區(qū)周?chē)鞴俚奈恢眉靶螤钚畔?lái)限定靶區(qū)形狀及位置,并通過(guò)多個(gè)網(wǎng)絡(luò)的疊加融合空間位置信息,從而提高醫(yī)學(xué)圖像自動(dòng)分割精度的堆疊式神經(jīng)網(wǎng)絡(luò)。本文以格蕾絲眼病為例,基于全卷積神經(jīng)網(wǎng)絡(luò)構(gòu)建了堆疊式神經(jīng)網(wǎng)絡(luò),對(duì)其左右兩側(cè)放療靶區(qū)分別進(jìn)行分割。以醫(yī)生手動(dòng)勾畫(huà)結(jié)果為標(biāo)準(zhǔn),計(jì)算體積戴斯相似系數(shù)（DSC）和雙向豪斯多夫距離（HD）。相較于全卷積神經(jīng)網(wǎng)絡(luò),堆疊式神經(jīng)網(wǎng)絡(luò)勾畫(huà)結(jié)果可以使左右兩側(cè)體積DSC分別提高1.7%和3.4%,同時(shí)左右兩側(cè)的雙向HD距離分別下降0.6。結(jié)果表明,堆疊式神經(jīng)網(wǎng)絡(luò)在提升自動(dòng)分割結(jié)果與手動(dòng)勾畫(huà)靶區(qū)重合度的同時(shí),減小了小區(qū)域靶區(qū)的分割誤差,進(jìn)一步說(shuō)明堆疊式神經(jīng)網(wǎng)絡(luò)能有效地提高格蕾絲眼病放療靶區(qū)的自動(dòng)勾畫(huà)精度。 

【文章來(lái)源】：生物醫(yī)學(xué)工程學(xué)雜志. 2020,37(04)北大核心EICSCD

【文章頁(yè)數(shù)】：6 頁(yè)

【部分圖文】：

堆疊式神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)

為了評(píng)估自動(dòng)分割的準(zhǔn)確性，將兩種模型的分割結(jié)果與醫(yī)生手動(dòng)勾畫(huà)結(jié)果的相似度作為評(píng)判標(biāo)準(zhǔn)。總體來(lái)說(shuō)，一種分割方法可以從準(zhǔn)確性、效率和可靠性三個(gè)方面來(lái)判定其精度，各種評(píng)估指標(biāo)大致分為四類(lèi)：矩量法、重疊指標(biāo)、平均距離和最大距離[13]。為了較為全面地反映分割結(jié)果間的相似度，本研究中使用重疊指標(biāo)中的戴斯相似系數(shù)（Dice similarity coefficient,DSC）和最大距離指標(biāo)中的豪斯多夫距離（Hausdorff distance,HD）將自動(dòng)分割的輪廓與手動(dòng)勾畫(huà)的輪廓進(jìn)行定量比較[14]。應(yīng)用于圖像分割的DSC指的是兩個(gè)目標(biāo)區(qū)域的重疊面積占總面積的百分比。就體積而言，它計(jì)算的是兩個(gè)體積的重疊部分占總體積的百分比。DSC值保持在0和1之間，1表示兩靶區(qū)體積完全重疊，0表示靶區(qū)體積不相交。然而DSC對(duì)于圖像的細(xì)節(jié)不敏感，其數(shù)值無(wú)法體現(xiàn)小區(qū)域內(nèi)的明顯分割誤差[15]，這使得添加其他評(píng)估標(biāo)準(zhǔn)加以輔助變得十分必要。HD是度量空間中任意兩個(gè)非空點(diǎn)集合之間的距離，它計(jì)算一個(gè)組中每個(gè)點(diǎn)距離另一個(gè)組中每個(gè)點(diǎn)的最小值，并取其最大值[16]。假設(shè)A,B為空間中的兩個(gè)非空點(diǎn)集，由A到B的HD定義如式（1）所示:

如圖3所示，為同一測(cè)試?yán)齻�(gè)不同層面的醫(yī)生勾畫(huà)結(jié)果、FCN-8s勾畫(huà)結(jié)果以及stacked FCN勾畫(huà)結(jié)果的對(duì)比，層面1、層面2、層面3為同一測(cè)試?yán)娜齻�(gè)不同層面的CT影像。結(jié)合表2、表3和圖3的信息可知，對(duì)于體積較小的靶區(qū)來(lái)說(shuō)，DSC和HD值的改變反映在每一層CT影像上的結(jié)果十分明顯。通過(guò)利用眼球的形狀、位置信息，stacked FCN使得勾畫(huà)結(jié)果靠近邊緣處形狀更為接近醫(yī)生手動(dòng)勾畫(huà)結(jié)果，相較于FCN-8s小區(qū)域的不良分割更少，靶區(qū)形狀更為確定，勾畫(huà)結(jié)果更為精確。本文研究結(jié)果表明，堆疊式神經(jīng)網(wǎng)絡(luò)通過(guò)利用靶區(qū)周?chē)鞴偎芴峁┑亩ㄎ恍畔�，在現(xiàn)有神經(jīng)網(wǎng)絡(luò)的基礎(chǔ)上，能夠進(jìn)一步增加靶區(qū)自動(dòng)分割的精度。3 討論

【參考文獻(xiàn)】：
期刊論文
[1]影像分割中Dice系數(shù)和Hausdorff距離的比較[J]. 何奕松,蔣家良,余行,傅玉川.  中國(guó)醫(yī)學(xué)物理學(xué)雜志. 2019(11)



本文編號(hào)：3421107