换一批基于计算机体层成像影像本地化训练策略的乳腺癌临床靶区自动勾画效果研究
Study on the Effect of Automatic Mapping of Breast Cancer Clinical Target Area Based on CT Image Localization Training Strategy
摘要目的:探讨基于计算机体层成像(CT)影像本地化训练策略在乳腺癌临床靶区自动勾画系统中的应用效果.方法:共收集了150例左侧乳腺癌患者的CT图像数据,选用了U-net网络结构作为试验模型,并采用残差U-net网络模型作为对照组进行试验,对照模型命名为U-net-R.数据集1用于建立预训练模型,数据集2被收集用于测试和本地化训练.使用U-net和对比模型U-net-R进行试验,同时也对比了从头训练与本地化训练的分割结果.结果:U-net和U-net-R两种网络模型经数据集1的训练后,U-net-R模型和U-net模型均表现出性能下降的趋势,且U-net-R模型下降幅度低于U-net模型.本地化训练后的两个模型在Dice相似系数上均有显著提升,分别提高了13.30%和9.56%.自动勾画的分割结果显著优于常规自动勾画系统的勾画结果.结论:CT影像本地化训练策略有利于提高其在数据集迁移时的特征学习能力,获得更接近使用者需求的勾画结果,证明在适应新数据集方面的有效性.
更多相关知识
关键词
乳腺癌临床靶区自动勾画本地化训练策略医学影像分割breast cancerclinical target volumeautomatic delineationlocalization training strategymedical image segmentation
分类号
R445（诊断学）
栏目名称
DOI
10.3969/j.issn.1006-6586.2025.03.014
发布时间
2025-03-24（万方平台首次上网日期，不代表论文的发表时间）
基金项目
汕尾市科技计划项目（2023C010）
- 浏览0
- 被引0
- 下载0
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
