换一批基于深度学习的食管癌肿瘤靶区自动勾画临床价值研究
Clinical Value of Automatic Delineation of Target Volume of Esophageal Tumors Based on Deep Learning
摘要目的:基于深度学习卷积神经网络实现食管癌肿瘤靶区自动勾画,探讨其临床应用价值.方法:选取100例已完成调强适形放疗治疗的食管癌患者CT影像及由专家审核后的肿瘤靶区信息作为研究数据,构建一种嵌入空间金字塔池化层的U型对称自动勾画网络.随机选取90例食管癌患者数据作为训练集以调整网络参数,其余10例患者数据作为测试集并采用戴斯相似性系数(Dice similarity coefficient,DSC)、豪斯多夫距离(Hausdorff distance,HD)以及勾画时间来评估自动勾画结果.结果:测试集经网络得到自动勾画结果与医师手动勾画结果进行对比具有较好的一致性,平均DSC和HD分别达到了0.79±0.07和(28.24±19.03)mm,对比传统U-Net网络,本研究网络在DSC和HD指标上分别提升了8.2％和43.4％,且差异具有统计学意义(P<0.05),对比手动勾画速度提升6.52倍.结论:基于改进U-Net网络的自动勾画方法可较为准确地勾画食管癌肿瘤靶区,在临床应用中可以大幅提升医生的工作效率和勾画一致性.
更多相关知识
栏目名称
DOI
10.3969/j.issn.1674-0904.2022.04.005
发布时间
2022-05-06（万方平台首次上网日期，不代表论文的发表时间）
基金项目
安徽省社发领域省重点研发计划（201904a07020031）
安徽省教育厅自然基金重点项目（KJ2021A0022）
- 浏览125
- 被引6
- 下载33
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
