针对颅脑放疗规划的海马体自动勾画平台及其验证
发布时间：2021-01-16 20:38
目的海马体是学习和记忆的神经生物基础,是头颈部放射治疗中需要重点保护的颅内危及器官。海马体轮廓通常由医生手动勾画,操作时间长且依赖医生经验。为提高海马体勾画的效率和可重复性,本文研发了一种海马体自动勾画平台（OAR AutoSketch）,系统比较了基于中国人或欧美人大脑图谱配准的分割方法（scbtLinear、scbtNonlinear、TTlinear、TTNonlinear）,以及基于皮层配准的分割方法（FreeSurfer）用于海马体勾画的可行性。方法选取12名鼻咽癌患者的数据,采用OAR AutoSketch生成5种海马体轮廓和患者主治医生勾画的海马体轮廓混合呈现,招募12名医学影像部的医生进行随机双盲的主观准确性评分;邀请1名影像科专家在20名鼻咽癌患者的MRI图像上手动勾画海马体,作为海马体解剖标准,计算5种自动勾画方案的客观准确性。结果主观准确性评分结果显示,自动勾画的准确性普遍优于主治医生的手工勾画结果。和海马体解剖标准的空间相似性结果显示,FreeSurfer方法准确度最高。结论...
【文章来源】：北京生物医学工程. 2020,39(04)
【文章页数】：6 页
【部分图文】：
OAR AutoSketch软件主界面
OAR AutoSketch软件有3个模块：DICOM转NIfTI、标记模块、NIfTI转DICOM（图2）。DICOM转NIfTI模块的功能是将患者原始DICOM格式的脑CT和MR图像数据集导入并自动分类，转换成NIfTI格式的文件；标记模块的功能是分别采用“TT＿N27线性配准（TT＿Linear）”、“TT＿N27非线性配准（TT＿Nonlinear）”、“scbt线性配准（scbt＿Linear）”、“scbt非线性配准（scbt＿Nonlinear）”和“FreeSurfer”，共5种方法标记出海马体，并修改图像参数，使目标易于分辨；NIfTI转DICOM模块的功能是将修改完成的NIfTI格式文件转换回DICOM文件，并写入原始DICOM文件信息，便于导回医院的医学影像系统（PACS），用于放疗规划。1.3 勾画效果的随机双盲评价
为更准确地对比自动勾画方法的优劣，研究组统计了5种勾画结果与影像科专家绘制海马体间的Dice系数（图5）。FreeSurfer方法勾画的海马体的Dice系数显著高于其他方法（FreeSurfer对比scbt＿linear:t=19.980,df=26.084,P<0.001;FreeSurfer对比scbt＿nonlinear:t=19.636,df=24.964,P<0.001;FreeSurfer对比TT＿linear:t=12.769,df=24.709,P<0.001;FreeSurfer对比TT＿nonlinear:t=17.945,df=28.017,P<0.001）。对于scbt图谱，线性配准算法优于非线性配准算法（t=3.193 4,df=22,P=0.004），而对于TT＿N27图谱，线性配准算法和非线性配准算法之间无差异（P>0.05）。另外，基于TT＿N27的结果和金标准的重合度优于基于scbt的结果（线性配准算法：t=3.837,df=22,P<0.001；非线性算法：t=6.764,df=22,P<0.001）。图4 对医生手动勾画和5种自动勾画方案的随机双盲评分
【参考文献】：
期刊论文
[1]基于全卷积神经网络的直肠癌肿瘤磁共振影像自动分割方法[J]. 冉昭,简俊明,王蒙蒙,赵星羽,高欣. 北京生物医学工程. 2019(05)
[2]放射性脑损伤诊治中国专家共识[J]. 唐亚梅,李艺. 中华神经医学杂志. 2019 (06)
[3]基于深度监督全卷积神经网络的MRI脑图像语义分割算法[J]. 黄星奕,丘子明,许燕. 北京生物医学工程. 2019(03)
[4]人工智能在医学影像诊断中的应用[J]. 刘丰伟,李汉军,张逸鹤,李若松,王尊升,唐晓英. 北京生物医学工程. 2019(02)
本文编号：2981491
【文章来源】：北京生物医学工程. 2020,39(04)
【文章页数】：6 页
【部分图文】：
OAR AutoSketch软件主界面
OAR AutoSketch软件有3个模块：DICOM转NIfTI、标记模块、NIfTI转DICOM（图2）。DICOM转NIfTI模块的功能是将患者原始DICOM格式的脑CT和MR图像数据集导入并自动分类，转换成NIfTI格式的文件；标记模块的功能是分别采用“TT＿N27线性配准（TT＿Linear）”、“TT＿N27非线性配准（TT＿Nonlinear）”、“scbt线性配准（scbt＿Linear）”、“scbt非线性配准（scbt＿Nonlinear）”和“FreeSurfer”，共5种方法标记出海马体，并修改图像参数，使目标易于分辨；NIfTI转DICOM模块的功能是将修改完成的NIfTI格式文件转换回DICOM文件，并写入原始DICOM文件信息，便于导回医院的医学影像系统（PACS），用于放疗规划。1.3 勾画效果的随机双盲评价
为更准确地对比自动勾画方法的优劣，研究组统计了5种勾画结果与影像科专家绘制海马体间的Dice系数（图5）。FreeSurfer方法勾画的海马体的Dice系数显著高于其他方法（FreeSurfer对比scbt＿linear:t=19.980,df=26.084,P<0.001;FreeSurfer对比scbt＿nonlinear:t=19.636,df=24.964,P<0.001;FreeSurfer对比TT＿linear:t=12.769,df=24.709,P<0.001;FreeSurfer对比TT＿nonlinear:t=17.945,df=28.017,P<0.001）。对于scbt图谱，线性配准算法优于非线性配准算法（t=3.193 4,df=22,P=0.004），而对于TT＿N27图谱，线性配准算法和非线性配准算法之间无差异（P>0.05）。另外，基于TT＿N27的结果和金标准的重合度优于基于scbt的结果（线性配准算法：t=3.837,df=22,P<0.001；非线性算法：t=6.764,df=22,P<0.001）。图4 对医生手动勾画和5种自动勾画方案的随机双盲评分
【参考文献】：
期刊论文
[1]基于全卷积神经网络的直肠癌肿瘤磁共振影像自动分割方法[J]. 冉昭,简俊明,王蒙蒙,赵星羽,高欣. 北京生物医学工程. 2019(05)
[2]放射性脑损伤诊治中国专家共识[J]. 唐亚梅,李艺. 中华神经医学杂志. 2019 (06)
[3]基于深度监督全卷积神经网络的MRI脑图像语义分割算法[J]. 黄星奕,丘子明,许燕. 北京生物医学工程. 2019(03)
[4]人工智能在医学影像诊断中的应用[J]. 刘丰伟,李汉军,张逸鹤,李若松,王尊升,唐晓英. 北京生物医学工程. 2019(02)
本文编号：2981491
本文链接：https://www.wllwen.com/yixuelunwen/yank/2981491.html
最近更新
教材专著
