两种自动勾画头颈部危及器官方法的比较研究

发布时间：2021-05-17 16:05

　　目的设计一种基于深度学习的自动勾画模型,用于勾画头颈部危及器官（OARs）,并与基于图谱方法的Smart segmentation勾画软件进行比较。方法自动勾画模型由基于深度学习神经网络的分类模型和勾画模型组成。分类模型将CT图像从头脚方向分为6个分类,将每个OARs对应分类的CT图像输入勾画模型进行分割勾画。自动勾画模型使用150例病例训练模型,Smart segmentation使用相同的150例病例组成图谱库,两者同时对20例测试集进行勾画。使用相似度系数（DSC）和豪斯多夫距离（HD）评估2种方法勾画准确性,同时记录两种方法勾画花费时间。根据数据是否满足正态分布,分别使用配对t检验和Wilcoxon符号秩和检验。结果自动勾画模型的DSC和HD结果如下:脑干为0.88和4.41 mm、左眼球为0.89和2.00 mm、右眼球为0.89和2.12 mm、左视神经为0.70和3.00 mm、右视神经为0.80和2.24 mm、左颞叶为0.81和7.98 mm、右颞叶为0.84和8.82 mm、下颌骨为0.89和5.57 mm、左腮腺为0.70和11.92 mm和右腮腺为0.77和11... 

【文章来源】：中华放射医学与防护杂志. 2020,40(05)北大核心CSCD

【文章页数】：7 页

【参考文献】：
期刊论文
[1]利用深度反卷积神经网络自动勾画放疗危及器官[J]. 门阔,戴建荣.  中国医学物理学杂志. 2018(03)



本文编号：3192049