不同多模型迭代重建算法与卷积核参数对CT影像自动分割稳定性的影响

目的 探究不同多模型迭代重建算法（ASi R-V）与卷积核重建算法参数对基于深度学习的CT自动分割稳定性的影响。方法 选取20例行盆腔放疗的病人，采用不同的重建参数建立CT影像数据集，利用深度学习神经网络对3个软组织器官（膀胱、肠袋、小肠）和5个骨性器官（左、右股骨头，左、右股骨，骨盆）进行自动分割，并以滤波反投影CT的分割结果为参考，比较不同重建CT上自动分割结果的DSC系数和Hausdorff距离。结果 器官的自动分割受ASi R-V参数影响较大，受卷积核参数影响较小，且在软组织中更加明显。结论 基于深度学习的自动分割稳定性会受到CT图像重建算法参数选择的影响，在实际应用中需在图像质量与分割质量中寻求平衡，或者改进分割网络来提高自动分割的稳定性。