换一批基于U-net卷积神经网络宫颈癌磁共振临床靶区和危及器官自动勾画的应用
Application of automatic sketching of clinical target volume and organs at risk in cervical cancer based on U-net convolutional neural network
摘要目的 应用U-net卷积神经网络建立基于磁共振影像的宫颈癌临床靶区(CTV)和危及器官(OARs)的自动勾画模型.方法 收集2019年4月至2020年12月山东省肿瘤医院大孔径磁共振定位并完成根治性放疗的宫颈癌ⅡB～ⅣA期患者43例.对患者磁共振影像的组织结构信息进行研究,人工勾画感兴趣区(ROI),包括CTV和OARs(膀胱、直肠、左股骨头、右股骨头).采用计算机进行简单随机抽样,将43例患者分为训练集35例,验证集4例,测试集4例.应用U-net卷积神经网络构建训练模型,验证后对测试集ROI进行自动勾画.比较人工勾画与自动勾画的耗时及Dice相似系数(DSC)值.结果 患者平均自动勾画耗时为(44.5±0.6)s,短于平均人工勾画的(2280.0±356.7)s,差异有统计学意义(P＜0.05).自动勾画与人工勾画的DSC值:直肠为(0.752±0.049);CTV 为(0.831±0.038);膀胱为(0.943±0.016);左股骨头为(0.894±0.009);右股骨头为(0.896±0.004).结论 U-net卷积神经网络结合磁共振图像可以较为准确地实现CTV和OARs的自动勾画,提高实际临床工作效率.
更多相关知识
- 浏览39
- 被引4
- 下载13
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
