基于三维U-NET深度卷积神经网络的头颈部危及器官的自动勾画

发布时间：2021-06-18 07:10

　　勾画危及器官是放射治疗中的重要环节。目前人工勾画的方式依赖于医生的知识和经验,非常耗时且难以保证勾画准确性、一致性和重复性。为此,本研究提出一种深度卷积神经网络,用于头颈部危及器官的自动和精确勾画。研究回顾了496例鼻咽癌患者数据,随机选择376例用于训练集,60例用于验证集,60例作为测试集。使用三维（3D）U-NET深度卷积神经网络结构,结合Dice Loss和Generalized Dice Loss两种损失函数训练头颈部危及器官自动勾画深度卷积神经网络模型,评估参数为Dice相似性系数和Jaccard距离。19种危及器官Dice相似性指数平均达到0.91,Jaccard距离平均值为0.15。研究结果显示基于3D U-NET深度卷积神经网络结合Dice损失函数可以较好地应用于头颈部危及器官的自动勾画。 

【文章来源】：生物医学工程学杂志. 2020,37(01)北大核心EICSCD

【文章页数】：6 页

【部分图文】：

3D U-NET深度卷积神经网络结构conv：进行一次卷积运算；BN：进行一次批标准化；Elu：使用该激活函数进行一次数据处理；transposed conv：进行一次上采样卷积运算；concat：将两层融合

人工智能在放射治疗中的应用逐渐广泛，目前应用较多的领域是放射治疗自动计划和危及器官的自动分割[25-27]。基于神经网络的深度学习方法具备自动学习特征并可以进行多个层次特征识别，可以较好地应用于医学图像的自动分割。Roth等[10,13]使用神经网络训练模型，对肝脏、脾脏和胰腺的自动分割精度DSC平均值能够达到0.822。在腹部危及器官方面Gibson等[16]使用Dense V-Net网络结构自动分割的DSC值明显优于使用图谱库的结果。门阔等[17]利用DDNN对头颈部危及器官进行自动分割，9种危及器官包括脑干、脊髓、左腮腺、右腮腺、左颞叶、右颞叶、甲状腺、喉、气管，所有危及器官自动分割的DSC数值均在0.70以上，平均值为0.81。图3 自动勾画与手动勾画结果之间的差异

自动勾画与手动勾画结果之间的差异

【参考文献】：
期刊论文
[1]深度卷积神经网络在放射治疗计划图像分割中的应用[J]. 邓金城,彭应林,刘常春,陈子杰,雷国胜,吴江华,张广顺,邓小武.  中国医学物理学杂志. 2018(06)
[2]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)
[3]基于图谱库的ABAS自动勾画软件在头颈部肿瘤中的可行性研究[J]. 阴晓娟,胡彩容,张秀春,林锦,林少俊.  中华放射肿瘤学杂志. 2016 (11)
[4]ABAS软件勾画OAR临床前测试重要性研究[J]. 彭应林,游雁,韩非,胡江,王明理,邓小武.  中华放射肿瘤学杂志. 2016 (06)



本文编号：3236216