發(fā)布時(shí)間：2021-06-18 07:10

　　勾畫危及器官是放射治療中的重要環(huán)節(jié)。目前人工勾畫的方式依賴于醫(yī)生的知識和經(jīng)驗(yàn),非常耗時(shí)且難以保證勾畫準(zhǔn)確性、一致性和重復(fù)性。為此,本研究提出一種深度卷積神經(jīng)網(wǎng)絡(luò),用于頭頸部危及器官的自動(dòng)和精確勾畫。研究回顧了496例鼻咽癌患者數(shù)據(jù),隨機(jī)選擇376例用于訓(xùn)練集,60例用于驗(yàn)證集,60例作為測試集。使用三維（3D）U-NET深度卷積神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu),結(jié)合Dice Loss和Generalized Dice Loss兩種損失函數(shù)訓(xùn)練頭頸部危及器官自動(dòng)勾畫深度卷積神經(jīng)網(wǎng)絡(luò)模型,評估參數(shù)為Dice相似性系數(shù)和Jaccard距離。19種危及器官Dice相似性指數(shù)平均達(dá)到0.91,Jaccard距離平均值為0.15。研究結(jié)果顯示基于3D U-NET深度卷積神經(jīng)網(wǎng)絡(luò)結(jié)合Dice損失函數(shù)可以較好地應(yīng)用于頭頸部危及器官的自動(dòng)勾畫。 

【文章來源】：生物醫(yī)學(xué)工程學(xué)雜志. 2020,37(01)北大核心EICSCD

【文章頁數(shù)】：6 頁

【部分圖文】：

3D U-NET深度卷積神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)conv：進(jìn)行一次卷積運(yùn)算；BN：進(jìn)行一次批標(biāo)準(zhǔn)化；Elu：使用該激活函數(shù)進(jìn)行一次數(shù)據(jù)處理；transposed conv：進(jìn)行一次上采樣卷積運(yùn)算；concat：將兩層融合

人工智能在放射治療中的應(yīng)用逐漸廣泛，目前應(yīng)用較多的領(lǐng)域是放射治療自動(dòng)計(jì)劃和危及器官的自動(dòng)分割[25-27]�；谏窠�(jīng)網(wǎng)絡(luò)的深度學(xué)習(xí)方法具備自動(dòng)學(xué)習(xí)特征并可以進(jìn)行多個(gè)層次特征識別，可以較好地應(yīng)用于醫(yī)學(xué)圖像的自動(dòng)分割。Roth等[10,13]使用神經(jīng)網(wǎng)絡(luò)訓(xùn)練模型，對肝臟、脾臟和胰腺的自動(dòng)分割精度DSC平均值能夠達(dá)到0.822。在腹部危及器官方面Gibson等[16]使用Dense V-Net網(wǎng)絡(luò)結(jié)構(gòu)自動(dòng)分割的DSC值明顯優(yōu)于使用圖譜庫的結(jié)果。門闊等[17]利用DDNN對頭頸部危及器官進(jìn)行自動(dòng)分割，9種危及器官包括腦干、脊髓、左腮腺、右腮腺、左顳葉、右顳葉、甲狀腺、喉、氣管，所有危及器官自動(dòng)分割的DSC數(shù)值均在0.70以上，平均值為0.81。圖3 自動(dòng)勾畫與手動(dòng)勾畫結(jié)果之間的差異

自動(dòng)勾畫與手動(dòng)勾畫結(jié)果之間的差異

【參考文獻(xiàn)】：
期刊論文
[1]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,雷國勝,吳江華,張廣順,鄧小武.  中國醫(yī)學(xué)物理學(xué)雜志. 2018(06)
[2]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.  中國醫(yī)學(xué)物理學(xué)雜志. 2018(03)
[3]基于圖譜庫的ABAS自動(dòng)勾畫軟件在頭頸部腫瘤中的可行性研究[J]. 陰曉娟,胡彩容,張秀春,林錦,林少俊.  中華放射腫瘤學(xué)雜志. 2016 (11)
[4]ABAS軟件勾畫OAR臨床前測試重要性研究[J]. 彭應(yīng)林,游雁,韓非,胡江,王明理,鄧小武.  中華放射腫瘤學(xué)雜志. 2016 (06)



本文編號：3236216