两种自动勾画软件对危及器官勾画结果对比分析

目的:比较和分析两种自动勾画软件（AccuContour和DeepViewer）勾画危及器官的精确度,以此评估它们在不同肿瘤放射治疗中的适用程度和优越性。方法:回顾性选取中科院合肥肿瘤医院肿瘤患者60例,其中鼻咽癌、肺癌、乳腺癌、宫颈癌各15例,由同一个物理师在患者CT图像上手动勾画危及器官,再分别用两种自动勾画软件进行勾画。以手动勾画结果为标准,分别计算两种软件勾画结果的戴斯相似性系数（DSC）和绝对体积差（ΔV）,并对两种勾画结果的差异进行配对t检验,比较两种软件勾画结果。结果:AccuContour软件和DeepViewer软件勾画结果的总体DSC分别为0.90±0.11和0.87±0.14（t=-5.029, P<0.05）,总体ΔV分别为（13.23±18.77）和（29.89±45.27） cm3（t=7.344, P<0.05）。在20个危及器官中,AccuContour软件勾画结果的所有DSC均大于0.7,其中最大DSC为脑（0.99±0.00）,最小DSC为右眼晶状体（0.71±0.11）;DeepViewer软件勾画的结果有18个器官DSC大于等于0.7,其中,最大DSC为肺（0.98±0.00）,最小DSC为右侧股骨头（0.63±0.18）。AccuContour软件勾画的13个器官的ΔV均小于DeepViewer勾画结果。结论:两种软件整体勾画效果均比较好,对于体积较大的危及器官,勾画效果要优于体积较小的器官,AccuContour软件勾画效果优于DeepViewer软件。     

直肠癌术前放疗危及器官与临床靶区自动勾画的可行性研究

目的:探讨AccuContour软件及定制化自动勾画模型在直肠癌术前容积旋转调强放疗中临床靶区（CTV）和危及器官（OAR）自动勾画几何轮廓及剂量学各项参数精度,为临床应用提供依据。方法:回顾性选取133例已接受直肠癌术前容积旋转调强放疗的患者,随机分组,65例作为训练集,16例作为验证集,52例作为测试集,构建并训练自动勾画模型,将其导入AccuContour软件并自动勾画CTV和4个OAR,对比自动勾画与手动勾画在CTV和OAR几何轮廓的体积差异（[ΔV]）、Dice相似性系数（DSC）、Jaccard系数（JAC）、敏感性指数（SI）、包容性系数（lncl）、质心偏差（DC）、Hausdorff距离（HD）等,以及自动勾画与手动勾画CTV和OAR在同一容积旋转调强计划中所受照射剂量学参数差异,从而评估自动勾画效果。结果:CTV的DSC值、JAC值、SI值、lncl值为:0.84±0.06、0.72±0.08、0.81±0.07、0.87±0.08,[ΔV]值、DC值、HD值为:10.93%（4.56%, 15.37%）、5.03（3.27, 8.77） mm、15.03（15.00, 24.70） mm;OAR的DSC值、SI值、lncl值、JAC值、[ΔV]值、DC值、HD值比较优劣顺序依次为:右股骨头、左股骨头、膀胱、小肠;自动勾画与手工勾画剂量学参数对比中,除膀胱V30、小肠Dmean、CTV D95的差异有统计学意义外（P<0.05）,其余均无统计学意义（P>0.05）。结论:在直肠癌术前容积旋转调强放疗中,本研究所采用的自动勾画系统,对于CTV和OAR的自动勾画有一定准确性,为临床医生节省大量时间,提高工作效率。     

两种自动勾画系统勾画头部小体积危及器官的对比

目的：比较MANTEIA和RT-Mind两种软件自动勾画头部小体积危及器官（OAR）的准确性。方法：选取30例头部肿瘤患者的电子计算机断层扫描（CT）影像和核磁共振影像,将两套勾画系统软件自动勾画的实验组1和在勾画基础上手动修改的实验组2与医生手动勾画的对照组进行交叉指数系数（OI）、形状相似性系数（DSC）、杰卡德相似系数（J）和剂量偏差比较。结果：对于体积相对较大或CT值差异明显的头部器官（如脑干、晶体）,OI、DSC、J值较高,剂量偏差较低;但对于小体积OAR（如视交叉、视神经、垂体）OI、DSC、J值较低,剂量偏差较高。P值分析发现：自动勾画A1组与手动勾画M组OAR的OI、DSC和J值比较差异均有统计学意义（P<0.05）。除晶体和内耳的OI值外,自动勾画B1组与手动勾画M组OAR的OI、DSC和J值比较差异均有统计学意义（P<0.05）。在自动勾画基础上,手动修改后,OI、DSC和J值都有提升,但与M组的OAR相比仍存在一定的差异。结论：通过软件自动勾画可以满足体积相对较大或CT值差异明显的头部器官放疗的临床需求,但对于头部小体积OAR,在临床上仍需要医生手动勾...     

算法和匹配数目对宫颈癌危及器官自动勾画的影响

目的:探讨基于Atlas实施宫颈癌危及器官自动勾画时勾画算法及匹配数目对自动勾画结果的影响。方法:基于MIM-Maestro软件建立宫颈癌Atlas模板库,入库病例数目为60例。随机选择Atlas库外10例宫颈癌患者,由临床医生手动勾画危及器官（膀胱、直肠和双侧股骨头）,并定义为参考勾画（Vref）。应用多数投票算法和STAPLE算法,匹配数分别选择1、3、5、7、9进行自动勾画。采用勾画时间（T）、相似性系数（DSC）、敏感性指数（SI）、质心偏差（DC）、Jaccard系数（JAC）、Hausdorff距离（HD）评价勾画结果,并进行单因素方差分析和配对样本t检验。结果:勾画时间随匹配数目增大呈线性增加,与勾画算法无关。多数投票算法和STAPLE算法勾画结果均显示,匹配数为1时膀胱的SI和左股骨头的DSC、HD、JAC与匹配数为3、5、7、9时有统计学差异。STAPLE算法中,直肠和双侧股骨头的SI均显示匹配数目为1、3与5、7、9有统计学差异。两种勾画算法的比较结果显示,仅双侧股骨头的SI有统计学差异。结论:基于Atlas实施危及器官自动勾画时,勾画算法对结果基本无影响,所需时间与匹配数呈正比,综合勾画结果建议匹配数目选择3。     

鼻咽癌放射治疗危及器官自动勾画的几何和剂量学分析

目的 探讨分析鼻咽癌容积旋转调强放射治疗(VMAT)中危及器官(OAR)自动勾画(AS)的几何和剂量学准确度,并检验OAR勾画的几何和剂量学之间的相关性,为放射治疗(简称放疗)患者OAR勾画提供参考依据。方法 回顾性选择120例鼻咽癌放疗患者,其中男性84例,女性36例;年龄11～82岁,中位年龄55岁;病灶位于颅底与软腭之间,垂直径和横径各3～4 cm,前后径2～3 cm。其中随机数字法选择85例患者经AccuLearning深度学习训练平台训练形成AS模型,将AS模型导入AccuContour软件。利用AS模型勾画未训练的35例鼻咽癌放疗患者的18个OAR。比较AS与手动勾画(MS)OAR的几何度量有戴斯相似性系数(DSC)、杰卡德系数(JAC)、质心偏差(DC)、豪斯多夫距离(HD95)、对称位置平均表面距离(ASSD)、相对绝对体积差异(RAVD)。在同一个VMAT计划下,通过剂量体积直方图(DVH),比较AS与MS勾画的OAR剂量学参数。采用双尾Spearman来分析几何指标和剂量学绝对差异值之间的相关性。结果AS勾画的OAR轮廓与MS勾画的OAR轮廓具有差异性。几何指标DS...     

基于深度学习算法的自动勾画系统在头颈部危及器官勾画精度的研究

目的:评估和分析3种基于深度学习技术的自动勾画系统在勾画头颈部危及器官（OAR）中的准确度。方法:以放疗医师手工勾画的OAR为标准,通过体积相似性系数（DSC）、豪斯多夫距离（HD）、感兴趣区域质心偏差（COMD）、过分割率（FNR）、欠分割率（FPR）、Jaccard系数（JC）、灵敏度指数（SI）及包容性系数（II）等参数评估PV-iCurve、RT-Mind和AccuContour自动勾画系统在头颈部OAR勾画的精度。结果:脑的FNR、JC、SI值,脑干的FPR、II值,左眼的FPR、FNR、JC、SI值,下颌骨的FPR、FNR、SI、II值,左腮腺的FPR、FNR、SI、II值及脊髓的DSC、FPR、JC、II值均显示3种勾画系统间存在统计学差异（P<0.05）,只有脑干的HD、FNR、SI值和脊髓的HD值显示3种自动勾画系统勾画结果无统计学差异（P>0.05）。结论:通过多个参数的比较,发现3种软件在不同OAR勾画中的勾画精度不同,难以进行整体横向比较,因此这些参数仅作为参考,不能用于评估勾画结果作为临床治疗的标准,虽然3种软件都有较好的勾画结果,但仍需医师仔细审核和做必要的修改。     

金属伪影对鼻咽癌放疗危及器官自动勾画的影响

目的:评估CT金属伪影对鼻咽癌放疗危及器官（OAR）自动勾画的影响。方法:选取有无牙齿修复物的鼻咽癌患者各16例,由放疗医师和深度学习自动勾画平台AccuContour分别勾画26种OAR轮廓。比较有无金属伪影患者不同OAR轮廓三维相似性系数（DSC）和Hausdorff距离（HD）以及有无金属伪影横断面内口腔和下颌骨的二维DSC和HD。同时记录人工勾画和自动勾画全部OAR的时间。结果:所有OAR的三维DSC和HD在有无金属伪影患者组间均无显著差异（P>0.05）。无金属伪影横断面内口腔的二维DSC和HD优于有伪影横断面（P<0.01）,且伪影越严重,自动勾画的口腔轮廓局部偏离基准值越明显。自动勾画效率（<2 min）显著优于人工勾画效率（>70 min）。结论:牙齿修复物伪影对基于深度学习的鼻咽癌放疗OAR自动勾画的准确性和工作效率影响有限,较人工勾画方法仍然具备明显优势。     

基于U-Net结合改进算法对放疗危及器官自动勾画研究

目的：面向放疗危及器官自动勾画构建基于U-Net的模型并针对肝脏分割构建3种改进模型。方法：采集共计184例肝癌患者和183例头部放疗患者的计算机断层扫描（CT）图像及组织结构信息,并结合公开数据集Sliver07用于模型的训练与评估。通过搭建U-Net模型并针对肝脏分割分别结合空洞卷积、SLIC超像素算法、区域生长算法进行训练并得到预测模型,利用预测模型对自动勾画结果进行预测。采用交并比（Io U）和平均交并比（MIo U）评价预测结果的精确性。结果：测试集头部放疗危及器官自动勾画预测结果MIo U为0.795～0.970,肝脏分割使用U-Net预测结果MIo U约为0.876,使用改进后模型预测结果MIo U约为0.888,并很好地约束了预测偏差较大结果的出现,使得测试样本中Io U结果小于0.8的数量占比从16.67%降至7.5%。直观勾画方面结合改进算法的模型比U-Net更能捕捉到复杂、混淆性的边界区域。结论：构建U-Net模型能够在头部放疗危及器官和肝脏自动勾画上表现良好,3种改进的模型能够在肝脏分割上具有更优的表现。     

基于人工智能技术的危及器官自动勾画在胸部肿瘤中的应用

目的:评估基于人工智能技术的自动勾画软件勾画胸部危及器官轮廓的几何学精度,为临床应用提供依据。方法:选择30例胸部肿瘤患者的CT图像,分别使用基于人工智能技术的自动勾画软件勾画和医师手动勾画胸部危及器官。采用Hausdorff距离、形状相似性指数及Jaccard系数这3个指标评价自动勾画与手动勾画危及器官的几何学一致性。结果:在肺、心脏和脊髓的Hausdorff距离中,最大为右肺的（22.31±4.50） mm,最小为脊髓的（3.17±0.80） mm。危及器官的形状相似性指数值均≥0.91。Jaccard系数中左肺和右肺的均值≥0.95,脊髓的为0.84±0.02,心脏的略低为0.83±0.04。结论:基于人工智能技术的危及器官自动勾画软件对于胸部危及器官勾画能够达到较高的准确性和精度,可以满足临床工作。 【关键词】胸部肿瘤;人工智能;危及器官;自动勾画;放射治疗     

基于深度学习的危及器官自动勾画软件系统DeepViewer在放疗中的应用及评估

目的:将一款基于深度学习的危及器官自动勾画软件系统DeepViewer应用于临床,实现自动勾画肿瘤患者治疗计划中危及器官的功能。方法:DeepViewer使用改进后的全卷积神经网络U-Net来实现自动勾画患者CT扫描部位所包含的危及器官,并使用Dice相似性系数（DSC）对比分析这22种危及器官自动勾画与手动勾画的差异。结果:11种危及器官DSC平均值在0.9以上,5种危及器官DSC平均值为0.8~0.9,5种器官DSC平均值为0.7~0.8,视交叉DSC平均值最低,为0.676。总体结果表明DeepViewer系统能够较准确地自动勾画出危及器官,特别是左、右肺、膀胱、脑干等器官,已基本满足临床需求。结论:DeepViewer软件系统可以实现放疗肿瘤患者危及器官的自动勾画,准确性较高。同时,DeepViewer系统勾画完毕后,可以通过网络系统自动传输RTStructure DICOM3.0文件,无需其他操作,能极大地提高临床医生工作效率,降低治疗计划流程中的勾画总时间。     

磁共振引导放疗成像几何精度测试

目的：评估成像系统多因素尤其是图像几何精度对靶区和危及器官勾画的影响。方法：使用模体测试1.5T磁共振直线加速器系统的成像性能,包括磁共振图像几何失真评估以及由图像几何失真等因素引起的勾画偏差评估。使用Model 604-GS大场磁共振图像失真模体对磁共振引导放疗流程的磁共振图像进行几何失真度测试;同时使用CIRS Model 008z上腹部模体进行相关靶区及OAR的勾画差异分析。结果：几何失真度结果显示,3D T₁WI-FFE图像平均几何失真度0.54 mm,最大失真度1.96 mm;3D T₂WI-TSE图像平均几何失真度0.53 mm,最大失真度1.68 mm,其中较大失真度的控制点分布于模体边缘,符合既往报道的磁共振图像特性。基于CT的勾画与基于3D T₁WI-FFE和3D T₂WI-TSE图像的勾画平均结果分别为MDA=1.17 mm,DSC=0.91;MDA=0.86 mm,DSC=0.94。结论：本研究定量评估了磁共振引导放疗成像系统的几何精度。基于仿真模拟人的勾画分析表明相对于CT图像,基于磁共振图像的勾画差异符合临床要求,同时3D T₂WI-TSE图像在勾画精度相比于3D T₁WI-FFE图像更有优势。     

基于靶区与危及器官重叠度的自动治疗计划设计

目的:根据前列腺癌患者的解剖结构建立微分剂量体积直方图（DVH）数学模型来预测危及器官（OAR）子块的DVH,通过精准预测OAR的DVH并自动设计计划来提高治疗计划的质量和效率。方法:从17例前列腺癌计划中随机选择9例作为训练集,其余为测试集。将靶区外扩到覆盖OAR范围并将外扩区域中的OAR依次分隔成层厚3 mm的子块,根据偏正态高斯函数建立子块微分DVH的精确模型,分析靶区和OAR的重叠度与子块微分DVH关系。利用建立在Pinnacle3上的脚本程序获取测试集8例患者OAR各子块,并通过预测各OAR微分DVH来指导计划。结果:靶区与OAR重叠度越小,微分DVH的变化规律越明显。与原手工计划相比,自动计划的均匀性指数和适形度指数稍优于原手工计划（t=-1.871、3.742;P<0.05）。自动计划靶区的V100%降低,V95%提高,差异均无统计学意义（P>0.05）。自动计划的膀胱V70、V60、V50（t=-2.471、-3.439、-2.376;P<0.05）以及V40（P>0.05）降低。自动计划的直肠V70、V60、V50以及V40（t=-2.540、-3.416、-2.666、-2.777;P<0.05）降低。相关性分析中,自动计划与原手工计划的膀胱V70、V60、V50和V40的差异值与重叠度呈负或正相关（相关系数=-0.357、-0.976、-0.857、0.381;P=0.385、0.000、0.007、0.352）,V70和V40的差异值与重叠度无统计学意义。结论:基于靶区与OAR重叠度的精确DVH预测模型的前列腺癌自动治疗计划设计使得靶区剂量提高,OAR照射剂量降低。     

基于nnU-Net的宫颈癌近距离治疗中高危临床靶区及危及器官的自动勾画

目的:基于一种深度学习卷积神经网络模型（nnU-Net）实现CT引导的宫颈癌近距离治疗中高危临床靶区（HR-CTV）及危及器官（OARs）的自动勾画,探讨其临床应用价值。方法:纳入医院已完成图像引导近距离治疗的63例未手术的局部晚期宫颈癌患者的CT图像作为研究数据,由1名高年资医师对所有HR-CTV及OARs（膀胱、直肠及乙状结肠）进行统一勾画,将手动勾画的HR-CTV及OARs作为金标准,模型自动勾画结果与作为金标准的手动勾画图像进行比较。采用Dice相似性系数（DSC）对勾画的HR-CTV及OARs的精准度进行评价。结果:HR-CTV、膀胱、直肠和乙状结肠的DSC值分别为0.903±0.015、0.948±0.011、0.903±0.008及0.803±0.024。结论:本模型可准确勾画HR-CTV、膀胱、直肠及乙状结肠,但放疗医生仍应该仔细检查勾画结果。     

基于U-net卷积神经网络的宫颈癌临床靶区和危及器官自动勾画的研究

目的:基于U-net卷积神经网络的深度学习方法,探讨宫颈癌放疗临床靶区和危及器官自动勾画的可行性。方法:利用U-net卷积神经网络模型搭建的端到端自动分割框架,以100例已进行IMRT治疗的宫颈癌患者CT及组织结构信息为研究对象,并随机选取其中的10例作为测试集。勾画的对象包括临床靶区（CTV）、膀胱、直肠和左、右股骨头5个部分,比较手动和自动勾画的戴斯相似性系数（DSC）和豪斯多夫距离（HD）以评估自动勾画模型的准确性。结果:4种危及器官自动勾画的DSC值都在0.833以上,平均值是0.898;HD值均在8.3 mm以内,平均值为5.3 mm;临床靶区DSC值是0.860,HD值为13.9 mm。结论:基于U-net卷积神经网络建立的自动勾画模型能较为准确地实现宫颈癌临床靶区和危及器官的自动勾画,临床应用中可大幅提高医生的工作效率及勾画的一致性。     

定制化与通用模型在宫颈癌危及器官勾画准确性中的比较

目的:对比分析定制化自动勾画模型和商品化通用勾画模型在宫颈癌危及器官勾画中的差异,探讨定制化模型的可行性。方法:回顾性选取270例宫颈癌患者,由资深临床医生勾画其膀胱、直肠、小肠、骨盆骨髓、股骨头及肾脏等器官。随机选取病例构建定制化勾画模型,其中202例作为训练集,30例作为验证集,38例作为测试集。在测试集上,使用定制化模型和通用模型进行勾画预测。对比测试集在两种模型下的结果与手动勾画的结果,评估定制化模型的性能。结果:从DSC值上分析,定制化模型/通用模型与手动勾画相近,均表现出良好的勾画效果（DSC值:0.7~0.9）。然而,在质心偏差和95%豪斯多夫距离这两个关键指标上,定制化模型优于通用模型。结论:与通用模型相比,定制化模型能更准确地勾画宫颈癌危及器官的结构。定制化模型根据特定数据集优化,为临床决策提供精准支持,展现其在宫颈癌治疗中的广阔应用前景。