AccuLearning自动勾画临床靶区和危及器官用于宫颈癌术后放疗的可行性研究

目的 从几何学和剂量学探讨AccuLearning(AL)建立宫颈癌术后临床靶区（CTV）和危及器官（OARs）自动勾画模型应用于临床的可行性。方法 选取75例宫颈癌术后手动勾画CT数据,60例应用AL训练生成自动勾画模型,并对剩余15例进行自动勾画,同时将自动勾画图像上的放疗计划导入到手动勾画结构上,比较两种勾画方式的效率、戴斯相似系数（DSC）、豪斯多夫距离（HD）和剂量学差异。结果自动勾画时间明显小于手动勾画（P <0.05）;各结构DSC值≥0.87;肠袋和直肠的HD值在10 mm左右,其余结构小于5 mm;剂量学评估CTV(D98、V90%、V95%、Dmean、 HI)、肠袋（V50）和膀胱（V50）有显著性差异（P <0.05）。结论 基于AL形成的宫颈癌术后自动勾画模型提高了放疗效率,OARs具有直接应用于临床的可能性,CTV仍需进一步修改。     

自动勾画临床靶区和危及器官用于制定早期乳腺癌保乳术后放疗计划

目的 观察自动勾画临床靶区(CTV)和危及器官(OAR)用于制定乳腺癌保乳术后放疗计划的可行性。方法 选取52例女性早期右侧乳腺癌保乳术后患者，由医师于胸部CT图像中手动勾画CTV和OAR。采用AccuLearning^TM软件对其中40例(训练集)CT图像进行训练，生成自动勾画模型，并以之对其余12例(测试集)CT图像进行自动勾画，辅以手动修改获得CTV及OAR;分别根据手动和自动勾画的CTV和OAR制定放疗计划，即Plan-RS和Plan-DL,对比其CTV及OAR剂量学参数及勾画时间。结果 测试集Plan-RS与Plan-DL的CTV剂量学参数差异均无统计学意义(P均>0.05);二者间健侧肺、心脏及健侧乳腺的平均放疗剂量(D_mean)差异有统计学意义(P均<0.05),其余OAR剂量学参数差异均无统计学意义(P均>0.05)。手动勾画和自动勾画CTV平均用时分别为1 006 s和239 s,前者长于后者(P<0.05);除脊髓外，自动勾画其他OAR用时较手动勾画缩短(P均<0.001)。结论 自动勾画CTV...     

外扩胃和十二指肠轮廓提高放射治疗自动勾画安全性的效果

目的 探讨自动勾画的危及器官（organ at risk, OAR）外扩对各类型剂量评估参数的影响。方法 收集2019年至2021年复旦大学附属中山医院放疗科收治的接受上腹部放疗的50例患者的CT图像,自动和人工勾画胃和十二指肠。采用Mann-Whitney U检验评估胃和十二指肠自动勾画戴斯相似系数（Dice similarity coefficient, DSC）、95%豪斯多夫距离（95%Hausdorff distance, HD95）的差异。结合临床常用剂量分布,计算胃和十二指肠自动勾画与人工勾画的剂量差异。采用Wilcoxon秩和检验评估不同外扩距离引起的剂量评估参数差异的变化。采用bootstrap法计算各差异均值95%CI的下限。分析所需的最小外扩距离,使得外扩后的结构所对应的剂量评估参数大于或等于手动勾画OAR的剂量评估参数。结果 胃的DSC和HD95均优于十二指肠,差异有统计学意义（P<0.001）。相邻外扩距离引起的最高剂量差异有统计学意义（P<0.001）。在DSC>0.8情况下,外扩约7 mm可以保证外扩结构的最高剂量大于或等于手动勾画OAR...     

AccuContour和United Imaging软件自动勾画胸部危及器官

目的 评价2种基于人工智能方法自动勾画软件用于勾画胸部危及器官（OAR）效果的差异。方法 采用AccuContour和United Imaging软件自动勾画24例非小细胞肺癌患者胸部OAR,包括心脏、左肺、右肺、食管及脊髓;以勾画时间、豪斯多夫距离（HD）、形状相似性指数（DSC）及平均最小距离（MDA）评价勾画效果。结果 United Imaging软件勾画时间明显短于AccuContour软件（P<0.05）。2种软件勾画的心脏HD、DSC及MDA差异均具有统计学意义（P均<0.05）。AccuContour软件勾画的右肺HD明显小于United Imaging（P<0.05）。2种软件勾画食管的HD、DSC及MDA差异均有统计学意义（P均<0.05）,United Imaging软件勾画的左肺DSC明显大于AccuContour软件（P<0.05）,MDA则明显小于AccuContour软件（P<0.05）。2种软件勾画的脊髓各项参数差异均无统计学意义（P均>0.05）。结论 AccuContour3.0和United Imaging软件自动勾画胸部不同解剖结构的效果存在差异,且二者各有所长;其勾画肺部和心脏的效果均较好,勾画食管和脊髓效果均稍差。     

MIM软件自动勾画前列腺癌危及器官

目的 观察MIM软件自动勾画前列腺癌危及器官的效果，筛选最佳数据库病例数和匹配数。方法 随机选取111例前列腺癌CT资料，以1例为Atlas模板、以100例建立5个数据库(n=20、40、60、80、100),其余10例为测试集；根据戴斯相似系数(DSC)、雅卡尔相似系数(JSC)、豪斯多夫距离(HD)及平均最小距离(MDA)评价MIM软件于不同匹配数(5、9)下对各数据库自动勾画危及器官的效果。结果 MIM软件勾画双侧股骨头、膀胱及脊髓效果较好，勾画小肠和直肠效果一般。匹配数为5时，MIM软件勾画各数据库各危及器官效果差异均无统计学意义(P均>0.05);匹配数为9时，其勾画20例数据库小肠的DSC、JSC优于其他数据库(P均<0.05)。MIM软件勾画100例数据库直肠的DSC优于40例数据库(P<0.05),勾画40例数据库直肠的JSC优于100例数据库(P<0.05)。结论 MIM软件自动勾画前列腺癌危及器官较好；以40例为模板数据库、选择匹配数5可提高勾画小肠和直肠效果。     

基于V-Net卷积神经网络深度学习模型自动分割腰椎CT图像中的椎旁肌

目的 观察基于V-Net卷积神经网络(CNN)的深度学习(DL)模型自动分割腰椎CT图像中的椎旁肌的价值。方法 收集471例接受腰椎CT检查患者，按7∶3比例将其分为训练集(n=330)和测试集(n=141);采用2D V-Net进行训练，建立DL模型；观察其分割腰大肌、腰方肌、椎后肌群及椎旁肌的价值。结果 基于V-Net CNN的DL模型分割椎旁肌精度良好，戴斯相似系数(DSC)均较高、肌肉横截面积误差率(CSA error)均较低；其分割训练集图像中的腰大肌、腰方肌及椎旁肌的DSC均高于测试集(P均<0.05),而分割训练集中4组肌肉的CSA error均低于测试集(P均<0.05)。测试集内两两比较结果显示，该模型分割椎后肌群的DSC最高、腰方肌的DSC最低；分割腰方肌的CSA error最高、椎旁肌的CSA error最低(P均<0.05)。结论 以基于V-Net的DL模型自动分割椎旁肌的效能较佳。     

引入靶区外扩预测放射治疗中危及器官自动分割的平均剂量偏差

目的 观察引入靶区外扩预测放射治疗(放疗)中自动分割危及器官(OAR)的平均剂量偏差的价值。方法 将100例接受放疗的直肠癌患者随机分为训练集(n=30)和测试集(n=70)。对训练集手动分割CT图中的靶区,之后分别对膀胱、小肠和双侧股骨头4个OAR进行手动和自动分割。根据自动分割的OAR设计放疗计划,得到对应的剂量分布;利用Python程序统计每个OAR与靶区外扩环重叠区域内的剂量平均值,以之作为代表剂量,用于预测测试集手动与自动分割平均剂量的差异,比较预测平均剂量与实际平均剂量的差异。再次随机将100例分为训练集、测试集各50例,重复上述过程。结果 首次预测显示,测试集70例中,69例膀胱预测与实际剂量差异均<0.5 Gy,69例小肠预测与实际剂量差异均<3 Gy,全部70例双侧股骨头预测与实际剂量差异均<0.5 Gy;对于膀胱、小肠和左、右侧股骨头,预测与实际平均剂量差异的一致性相关系数(CCC)分别为0.96、0.86、0.81和0.69。第2次预测显示,测试集50例中,46例膀胱的预测与实际剂量差异均<0.5 Gy,49例小肠的预测和实际剂量差异均<3 Gy,所有病例双侧股骨头的预测和实际剂量差异均<0.5 Gy;对于膀胱、小肠和左、右侧股骨头,预测与实际平均剂量差异的CCC分别为0.97、0.90、0.82和0.78。结论 引入靶区外扩可有效预测直肠癌放疗中自动分割OAR产生的剂量偏差。     

二维超声和超微血流成像评估宫颈癌术前分期及术后盆底功能

目的探讨二维超声和超微血流成像(SMI)在宫颈癌术前分期及术后盆底功能评估中的价值。方法选取在我院行手术治疗的宫颈癌患者62例,均行二维超声、SMI及病理组织活检,以病理结果为金标准,比较二维超声和SMI对宫颈癌术前分期的准确性,以及二维超声评估术后盆底功能的价值。结果二维超声和SMI对宫颈癌术前分期的诊断准确率分别为70.97%和80.65%,两者联合应用诊断准确率为90.32%。术后二维超声检查示26例(41.93%)患者发生前盆腔脱垂,10例(16.13%)发生压力性尿失禁,9例(14.52%)发生后盆腔脱垂,33例(53.23%)患者术后发生盆底功能障碍。宫颈癌术后患者最大Valsalva下膀胱颈移动度、尿道旋转角度、静息下膀胱颈尿道后角、最大Valsalva下膀胱尿道后角均明显高于术前,差异均有统计学意义(均P0.05)。结论二维超声联合SMI对宫颈癌术前分期的诊断准确性较高,有助于临床制定治疗方案;二维超声对术后盆底功能的评估具有较好价值。     

超声与磁共振对宫颈癌术前精准分期的价值及核磁弥散序列在随访过程中的意义分析

目的评估超声和MRI对宫颈癌术前分期的准确性及核磁弥散序列在随访过程中的意义。方法经本院病理科证实的宫颈癌患者95例,术前均进行MRI和超声检查,以病理证实为金标准,对比超声和MRI对宫颈癌术前T和N分期的准确性。术后随访患者的复发情况,对比复发患者的病灶区与邻近正常组织的表观扩散系数(ADC)值情况,了解核磁弥散序列在宫颈癌患者术后随访过程中的意义。结果超声对T1的准确率高于MRI,MRI对T_2、T_3、T_4的准确率高于超声(P0.05)。MRI对N_0和N_1检查阳性率高于超声(P0.05)。宫颈癌术前病灶区ADC值明显低于正常组织(t=6.184,P=0.011)。宫颈癌术后复发患者的病灶区ADC值低于邻近正常组织(t=5.316,P=0.027)。结论 MRI对宫颈癌术前分期具有较高的准确性,能够为临床提供更为准确的信号,核磁弥散序列在宫颈癌术后随访过程中具有重要的临床指导意义。     

PET-CT在食管癌精确放疗患者中的应用观察

目的:探究在食管癌精确放疗患者中PET-CT的应用效果。方法:选取2015年1月—2020年10月在本院开展放疗治疗的食管癌患者40例作为研究对象,将患者按放疗靶区的不同的勾画方式,分为两组,对照组、观察组,均20例。20例对照组以CT定位对放疗靶区做勾画,20例观察组以PET-CT定位对放疗靶区做勾画,对比靶区的体积、勾画靶区OAR受量。结果:观察组CTV(靶区大体肿瘤体积)、GTV(临床靶区体积)勾画的靶区明显小于对照组,P<0.05;观察组勾画的靶区肺、脊髓、气管、心脏等OAR受量匀低于对照组,P<0.05。结论:在食管癌放疗过程中,为了提升精确放疗效果,采用PET-CT,既能提减轻对正常组织的损伤,又能提高放疗精确度,进一步提高放疗效果,值得推荐。     

3D U-Net深度学习模型基于盆腔T2WI自动分割盆腔软组织结构

目的 评估3D U-Net深度学习(DL)模型基于盆腔T2WI自动分割盆腔软组织结构的可行性.方法 回顾性分析147例经病理证实或盆腔MRI随访观察确诊的前列腺癌或良性前列腺增生患者,其中28例接受2次、121例接受1次盆腔MR扫描,共175组T2WI;手动标注T2WI所示软组织结构,包括前列腺、膀胱、直肠、双侧精囊腺...     

The predictive value of segmentation metrics on dosimetry in organs at risk of the brain

BackgroundFully automatic medical image segmentation has been a long pursuit in radiotherapy (RT). Recent developments involving deep learning show promising results yielding consistent and time efficient contours. In order to train and validate these systems, several geometric based metrics, such as Dice Similarity Coefficient (DSC), Hausdorff, and other related metrics are currently the standard in automated medical image segmentation challenges. However, the relevance of these metrics in RT is questionable. The quality of automated segmentation results needs to reflect clinical relevant treatment outcomes, such as dosimetry and related tumor control and toxicity. In this study, we present results investigating the correlation between popular geometric segmentation metrics and dose parameters for Organs-At-Risk (OAR) in brain tumor patients, and investigate properties that might be predictive for dose changes in brain radiotherapy.MethodsA retrospective database of glioblastoma multiforme patients was stratified for planning difficulty, from which 12 cases were selected and reference sets of OARs and radiation targets were defined. In order to assess the relation between segmentation quality -as measured by standard segmentation assessment metrics- and quality of RT plans, clinically realistic, yet alternative contours for each OAR of the selected cases were obtained through three methods: (i) Manual contours by two additional human raters. (ii) Realistic manual manipulations of reference contours. (iii) Through deep learning based segmentation results. On the reference structure set a reference plan was generated that was re-optimized for each corresponding alternative contour set. The correlation between segmentation metrics, and dosimetric changes was obtained and analyzed for each OAR, by means of the mean dose and maximum dose to 1% of the volume (Dmax 1%). Furthermore, we conducted specific experiments to investigate the dosimetric effect of alternative OAR contours with respect to the proximity to the target, size, particular shape and relative location to the target.ResultsWe found a low correlation between the DSC, reflecting the alternative OAR contours, and dosimetric changes. The Pearson correlation coefficient between the mean OAR dose effect and the Dice was -0.11. For Dmax 1%, we found a correlation of -0.13. Similar low correlations were found for 22 other segmentation metrics. The organ based analysis showed that there is a better correlation for the larger OARs (i.e. brainstem and eyes) as for the smaller OARs (i.e. optic nerves and chiasm). Furthermore, we found that proximity to the target does not make contour variations more susceptible to the dose effect. However, the direction of the contour variation with respect to the relative location of the target seems to have a strong correlation with the dose effect.ConclusionsThis study shows a low correlation between segmentation metrics and dosimetric changes for OARs in brain tumor patients. Results suggest that the current metrics for image segmentation in RT, as well as deep learning systems employing such metrics, need to be revisited towards clinically oriented metrics that better reflect how segmentation quality affects dose distribution and related tumor control and toxicity.     

垂体后叶素联合宫颈套扎法在腹腔镜子宫次全切除术中的应用价值

目的 探讨垂体后叶素联合宫颈套扎法在腹腔镜子宫次全切除术(LSH)中的应用价值.方法 选择中国医科大学附属盛京医院2014年1月-2019年1月行LSH的患者249例,根据手术方式不同分为3组.常规组73例(A组):离断宫旁组织并打开膀胱和直肠返折腹膜后,贴宫颈旁电凝闭合子宫动静脉;宫颈套扎组83例(B组):离断宫旁组...     

基于融合视觉Transformer与边缘引导编码-解码网络（RET-Net）算法分割脊柱MRI

目的 提出融合视觉Transformer与边缘引导的编码-解码网络(RET-Net)算法，观察其分割脊柱MRI的效能。方法 基于二类分割公开脊柱数据集spinesagt2wdataset3选取195幅脊柱三维T2WI及经过标注的对应脊柱掩码，对脊柱区域与背景设置不同标签。将残差卷积网络嵌入编码-解码网络，引入边缘模块引导网络，关注脊柱边缘粒度信息并提取边缘特征；结合视觉Transformer与残差网络提取脊柱全局及局部信息，构建RET-Net分割脊柱的深度学习模型，评价其分割脊柱的效能。结果 利用RET-Net算法能准确分割脊柱椎骨区域，边缘分割较为平滑；RET-Net在数据集中的戴斯相似系数(DSC)为90.15%,交并比(IOU)为81.06%,敏感度(SE)为92.71%,特异度(SP)为99.57%,准确率(ACC)为98.61%,豪斯多夫距离(HD)为1.84 mm,其DSC及ACC等均优于UNet、PSPNet和Attention-UNet等基础分割模型。结论 融合视觉Transformer与边缘引导RET-Net算法分割脊柱MRI效能较佳。     

对比QBrain与FreeSurfer软件自动测量海马体积

目的对比基于深度学习的脑影像量化分析软件QBrain与作为传统算法代表的FreeSurfer自动分割软件测量海马体积的效果。方法自健康中国成人头颅高分辨MRI数据库(Chinese 1000)中随机提取100名志愿者数据,以手动测量结果为标准,对比FreeSurfer、QBrain软件测量海马体积的差异。采用Pearson相关分析和组内相关系数(ICC)进行相关性分析,以Bland-Altman分析法行一致性分析;以戴斯系数(DSC)评估2种自动测量方法与手动测量值相似度。结果手动测量及FreeSurfer、QBrain软件测量结果均显示右侧海马体积测值大于左侧(P均<0.05)。FreeSurfer右侧海马测值明显小于手动测值(P<0.05);左侧测值大于手动测值,但差异无统计学意义(P>0.05)。QBrain右侧海马值明显小于手动测值(P<0.05);左侧测值小于手动测值,但差异无统计学意义(P>0.05)。2种自动方法海马体积测值均与手动测值显著相关(ICC>0.75,r>0.75,P<0.05)。Bland-Altman散点图显示2种自动测量方法与手动测量结果的一致性均较好。FreeSurfer及QBrain海马体积测值与手动测值的DSC分别为0.73和0.05(P均<0.05)。结论FreeSurfer与QBrain均可准确自动测量海马体积;QBrain所测海马体积与手动测值的相关性更佳,且耗时较少。