换一批利用基于图像配准的深度学习方法提高磁共振引导前列腺癌放疗自动勾画精度
Improving auto-segmentation accuracy for online magnetic resonance imaging-guided prostate radiotherapy by registration-based deep learning method
摘要目的:改进在线磁共振图像中前列腺靶区和危及器官的自动勾画性能,提高磁共振引导前列腺癌在线自适应放射治疗的效率.方法:对40例接受磁共振引导在线自适应放射治疗的前列腺癌患者进行回顾性研究,其中训练集25例、验证集5例、测试集10例.将模拟定位图像与相应勾画信息和在线磁共振图像进行配准后输入深度学习网络,实现对磁共振图像的自动勾画,并与形变配准方法和单MR输入的深度学习方法进行比较.结果:本文方法的自动勾画准确性整体优于形变配准方法和单MR输入的深度学习方法,临床靶区、膀胱、直肠和左、右侧股骨头的平均Dice相似性指数分别达0.896、0.941、0.840、0.943和0.940.结论:本文方法能有效提高磁共振引导前列腺癌在线自适应放射治疗中自动勾画的准确性和效率.
更多相关知识
关键词
前列腺癌磁共振引导在线自适应放射治疗图像配准深度学习自动勾画prostate canceronline magnetic resonance imaging-guided adaptive radiotherapyimage registrationdeep learningauto-segmentation
栏目名称
DOI
10.3969/j.issn.1005-202X.2024.06.002
发布时间
2024-07-08（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（11975313）
中国医学科学院中央级公益性科研院所基本科研业务费健康长寿专项（2021-JKCS-003）
- 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
