换一批磁共振图像引导下前列腺癌在线自适应放疗自动勾画研究
Auto-segmentation during online adaptive MRI-guided radiotherapy for prostate cancer
摘要目的:探讨深度学习(deep learning,DL)和图谱库(Atlas)联合的MRI引导下在线自适应放疗自动勾画方案的勾画效果.方法:选取2020年1月至2021年9月在某院进行MRI引导下在线自适应放疗的15例前列腺癌患者,以随机抽样法分成训练集(12例)和测试集(3例).基于训练集分别建立DL勾画和Atlas勾画的临床靶区(clinical target volume,CTV)和危及器官(organs at risk,OAR)模型,基于测试集分别对2种勾画模型的结果进行修改并记录修改时长.对比2种勾画方法的勾画精度[戴斯相似性系数(Dice similarity coefficient,DSC)、豪斯多夫距离(Hausdorff distance,HD)和平均一致性距离(mean distance to agreement,MDA)]和勾画效率.结合2种方法勾画的优势及特点,建立DL+Atlas联合自动勾画方案,对比DL+Atlas联合自动勾画方案与单独勾画方案的勾画用时.结果:勾画精度对比结果显示,与DL勾画的CTV和OAR模型相比,Atlas勾画的CTV各项指标均优于DL勾画,差异有统计学意义(P＜0.05);在膀胱和直肠方面,Atlas勾画的DSC和MDA劣于DL勾画,差异有统计学意义(P＜0.05).勾画效率对比结果显示,医生以DL勾画为基准修改CTV和OAR的平均时间为9.4 min,以Atlas勾画为基准修改CTV和OAR的平均时间为12 min.DL+Atlas联合自动勾画方案所需平均时间为8 min,优于DL及Atlas单独勾画方案.结论:DL+Atlas联合的MRI引导下在线自适应放疗自动勾画方案勾画用时少,具有较高的准确性,可提升勾画效率.
更多相关知识
- 浏览30
- 被引0
- 下载15
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
