换一批基于U-net卷积神经网络的宫颈癌临床靶区和危及器官自动勾画的研究
Automatic segmentation of clinical target volumes and organs-at-risk in radiotherapy for cervical cancer using U-net convolutional neural network
摘要目的:基于U-net卷积神经网络的深度学习方法,探讨宫颈癌放疗临床靶区和危及器官自动勾画的可行性.方法:利用U-net卷积神经网络模型搭建的端到端自动分割框架,以100例已进行IMRT治疗的宫颈癌患者CT及组织结构信息为研究对象,并随机选取其中的10例作为测试集.勾画的对象包括临床靶区(CTV)、膀胱、直肠和左、右股骨头5个部分,比较手动和自动勾画的戴斯相似性系数(DSC)和豪斯多夫距离(HD)以评估自动勾画模型的准确性.结果:4种危及器官自动勾画的DSC值都在0.833以上,平均值是0.898;HD值均在8.3 mm以内,平均值为5.3 mm;临床靶区DSC值是0.860,HD值为13.9 mm.结论:基于U-net卷积神经网络建立的自动勾画模型能较为准确地实现宫颈癌临床靶区和危及器官的自动勾画,临床应用中可大幅提高医生的工作效率及勾画的一致性.
更多相关知识
栏目名称
DOI
10.3969/j.issn.1005-202X.2020.04.023
发布时间
2020-05-11（万方平台首次上网日期，不代表论文的发表时间）
基金项目
国家自然科学基金（11805198）
安徽省自然科学基金青年项目（1808085QH281）
- 浏览204
- 被引19
- 下载160
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
