训练集病例数对基于深度学习宫颈癌临床靶区及危及器官自动勾画的影响

目的 探讨基于2D U-net深度学习网络模型实施宫颈癌临床靶区（Clinical Target Volume,CTV）及危及器官（Organs atRisk,OARs）自动勾画时训练集中病例数对自动勾画结果的影响。方法 选取我院收治的140例宫颈癌患者的放疗CT图像,随机抽取120例患者CT图像数据作为深度学习训练集,其余20例作为测试集,运用基于2D U-net网络的AccuLearning(AL)平台训练生成5组自动勾画模型（训练量分别为15、30、60、90、120例）,并对20例测试集进行自动勾画,采用相似性系数（Dice Similarity Coefficient,DSC）、豪斯多夫距离（HausdorffDistance,HD）、体积相对偏差（Relative Volume Difference,RVD）指标比较自动勾画效果。结果 CTV的DSC和RVD,肠袋的DSC、HD和RVD,直肠和膀胱的DSC以及左侧股骨头HD在5组不同训练量模型中的差异具有统计学意义（P<0.05）,且上述指标随着训练量的增加呈较好趋势变化。结论 基于AL平台对宫颈癌CTV及OARs自动...     

不同图像分割软件用于胸部危及器官自动勾画的临床应用

目的 比较3种自动勾画图像分割软件（rtStation、AccuContour、RT-Mind）与手动勾画对胸部肿瘤危及器官（Organs atRisk,OARs）的勾画效果。方法 选取解放军总医院第五医学中心放疗科行胸部肿瘤放疗患者15例,由肿瘤放疗医生手动勾画OARs,经确认后以此勾画结果作为参考标准,再分别应用3种图像分割软件勾画OARs,比较手动勾画与自动勾画的时间、Dice相似性系数（Dice Similarity Coefficient,DSC）和Hausdroff距离（Hausdorff Distance,HD）。结果 3种自动勾画软件勾画速度比较：AccuContour>RT-Mind>rtStation,勾画时间均在3 min内完成,而人工勾画需30 min左右。3种自动勾画软件对心脏、左肺、右肺、脊髓的勾画效果较好,DSC均在0.85以上,但对食管和气管的勾画效果较差,且AccuContour、RT-Mind软件在勾画心脏、脊髓的DSC显著高于rtStation软件（P<0.05）;在勾画左肺和右肺的DSC方面,AccuContour软件显著优于r...     

AccuContour软件在乳腺癌靶区和危及器官自动勾画中的研究

目的探讨基于U-net的AccuContour(AC)软件在乳腺癌临床靶区(Clinical Target Volume,CTV)和危及器官(Organs At Risk,OARs)自动勾画中的可行性。方法选取60例早期右侧乳腺癌保乳术后患者,由临床医生勾画CTV和OARs。随机抽取40例作为训练集,剩余20例作为测试集。对训练集进行学习形成新的自动勾画模型(Model-ST),利用戴斯相似系数(Dice Similarity Coefficient,DSC)、豪斯多夫距离(Hausdorff Distance,HD)及相对体积差值(Relative Volume Difference,RVD)分析其效果,并与AC软件自带的模型(Model-AC)比较。结果Model-ST中CTV的DSC值优于Model-AC(P<0.05)。OARs中,Model-AC双侧肺、肝脏、食管的DSC值均高于Model-ST,双肺的HD值以及左肺、气管和食管的RVD值均低于Model-ST,心脏的HD和RVD值高于Model-ST(P<0.05)。结论与Model-AC相比,Model-ST模型能够更准确地实现乳腺癌的靶区自动勾画,而Model-AC模型在危及器官自动勾画的准确性方面优于Model-ST。     

基于RT-Mind软件的乳腺癌靶区及危及器官的自动勾画

目的探讨RT-Mind软件在乳腺癌临床靶区(Clinical Target Volumes,CTV)及危及器官(Organs-At-Risk,OARs)自动勾画的可行性,为临床应用提供依据。方法选取10例乳腺癌保乳术后放疗患者,由临床医生手动勾画CTV及OARs(左肺、右肺、心脏及健侧乳腺),并以此勾画结果作为参考标准,再使用RT-Mind软件自动勾画CTV及OARs。比较手动及自动勾画的相似性系数(DSC)、Jaccard系数(JAC)、Hausdroff距离(HD)及体积差异(VD)等参数以评估勾画效果。对于自动勾画的CTV,沿Body内收0.5 cm作为新的自动勾画临床靶区CTV_(内收0.5 cm),再通过上述评估参数评估其勾画效果。结果CTV自动勾画的DSC值、JAC值、VD值、HD值分别为0.77±0.06、0.64±0.07、(33.47±18.66)%、(2.53±0.64)cm;CTV_(内收0.5 cm)的DSC值、JAC值、VD值、HD值分别为0.83±0.05、0.71±0.07、(17.12±12.11)%、(2.53±0.64)cm,相比自动勾画CTV,除HD值无变化外,其它评价参数均有明显改善。四个OARs的HD均值均小于2.00 cm,四个OARs的DSC、JAC、VD均值比较:双肺>心脏>健侧乳腺,表明双肺勾画效果最好,心脏次之,最后是健侧乳腺。结论RT-Mind软件能够较为准确的实现乳腺癌患者OARs的自动勾画。对于乳腺癌CTV,RT-Mind软件自动勾画效果不理想,而将自动勾画的CTV沿Body内收0.5 cm后,其勾画效果有明显提高。RT-Mind软件能够为临床医生节省时间,提高工作效率。     

基于U-net卷积神经网络宫颈癌磁共振临床靶区和危及器官自动勾画的应用

目的 应用U-net卷积神经网络建立基于磁共振影像的宫颈癌临床靶区（CTV）和危及器官（OARs）的自动勾画模型。方法 收集2019年4月至2020年12月山东省肿瘤医院大孔径磁共振定位并完成根治性放疗的宫颈癌ⅡB～ⅣA期患者43例。对患者磁共振影像的组织结构信息进行研究,人工勾画感兴趣区（ROI）,包括CTV和OARs（膀胱、直肠、左股骨头、右股骨头）。采用计算机进行简单随机抽样,将43例患者分为训练集35例,验证集4例,测试集4例。应用U-net卷积神经网络构建训练模型,验证后对测试集ROI进行自动勾画。比较人工勾画与自动勾画的耗时及Dice相似系数（DSC）值。结果 患者平均自动勾画耗时为（44.5±0.6）s,短于平均人工勾画的（2280.0±356.7）s,差异有统计学意义（P <0.05）。自动勾画与人工勾画的DSC值：直肠为（0.752±0.049）;CTV为（0.831±0.038）;膀胱为（0.943±0.016）;左股骨头为（0.894±0.009）;右股骨头为（0.896±0.004）。结论 U-net卷积神经网络结合磁共振图像可以较为准确地实现CTV和OA...     

图像配准方式对宫颈癌后装自适应放射治疗图像配准精度的影响

目的研究不同配准范围大小和不同图像质量对宫颈癌后装自适应放射治疗不同分次之间CT图像配准精度的影响,为临 床的应用提供指导。方法随机选取15例已完成三维后装放疗的宫颈癌患者,将患者的最后一次治疗计划CT图像（CT1）和第 一次治疗计划CT图像（CT2）导入Varian 公司的Velocity软件,分别以不同图像质量（保留施源器和去除施源器两种）和不同配 准范围[配准靶区（S组）/配准器官结构（M组）/配准体廓（L组）]进行图像配准,以靶区和危及器官相似性指数（DSC）来评价不同 配准方式的配准精度,并采用配对T检验比较不同配准方式的配准精度。结果使用Velocity软件基于CT阈值自动分割金属施 源器,CT值选择1700~1800 HU时分割的体积最接近真实体积值。去除施源器组中各器官结构的相似性指数DSC优于或等效 于保留施源器组,且直肠的DSC值得到明显提高,差异具有统计学意义（P<0.05）。不同配准框大小之间比较,配准靶区组（S 组）的高危靶区体积（HRCTV）和低危靶区体积（IRCTV）的相似性指数最高,优于配准器官组（M组）和配准体廓组（L组）,差异 具有统计学意义（P<0.05）。配准器官组（M组）有较好的靶区体积配准精度和最优的危及器官配准精度,膀胱和直肠的DSC值 明显优于其他两组,差异具有统计学意义（P<0.05）。结论在宫颈癌后装自适应放疗中,使用Velocity软件对0.24 cc的金属施 源器进行自动分割时应选择CTHU=1700~1800 HU。对施源器进行自动分割并屏蔽可以提高图像质量,图像配准时建议选用 配准器官范围进行图像配准。     

基于深度学习的肺部CT图像分割研究进展

肺部CT图像分割是早期筛查和诊断肺部疾病的关键。传统的CT图像分割技术（如阈值法、聚类法和区域生长法）存在精确性差、效率低和鲁棒性差的问题。随着深度学习的发展，基于深度学习的模型在CT图像分割方面表现出卓越的能力。本文结合近年来国内外研究文献，对深度学习的算法发展及其在肺部CT图像分割中的应用进行综述。文献复习结果表明，采用图像分割评价指标Dice相似系数（Dice similarity coefficient,DSC）对算法性能进行评估，肺部CT图像分割深度学习算法的DSC均大于0.9。这些结果表明深度学习能实现精确、高效和鲁棒性的肺部CT图像分割。同时，未来需要对医学图像的复杂性，深度学习数据集的大小、隐私性、网络架构设计和模型可解释性等难题进一步深入研究。     

基于分水岭及区域增长算法建立一种测量自发性脑出血血肿体积的分割方法

  目的   基于分水岭及区域增长算法建立一种CT图像脑血肿分割方法,以快速准确测量血肿体积,探讨其与临床金标准手动分割结果的一致性,并与临床常用的两种多田公式计算进行比较。   方法   回顾性收集2018年1月–2019年6月由于自发性脑出血于四川大学华西医院神经外科就诊的患者术前152例CT图像,通过随机数字表将其随机分为训练集、测试集和验证集,分别为100例、22例、30例。算法训练及测试采用训练集与测试集的标记结果,验证集采用4种方式——人工手动分割、算法分割（基于分水岭及区域增长算法的分割计算）、多田公式（传统多田公式计算）与精准多田公式（基于3D-slicer的精准多田公式计算）——对出血病灶体积进行测量。将符合研究对象标准的医学数字成像和通信（Digital Imaging and Communications in Medicine, DICOM）资料通过两名高年资神经外科医生进行手动分割脑出血病灶。基于分水岭算法及区域增长算法搭建血肿分割模型以神经外科医生选取的种子点作为增长起点,采用区域灰度差异准则,结合手动分割验证,最终确定符合颅内血肿分割精度要求的区域生长阈值。以人工手动分割为金标准,采用Bland-Altman一致性分析验证其余3种测量血肿体积的方式的一致性。   结果   以人工手动分割为金标准,3种测量血肿体积的方式中,算法分割百分误差最小,差值范围最窄,组内相关系数最高（0.987）,一致性较好,且95%一致性界限（limits of agreement, LoA）最窄。其分割的百分误差在不同血肿体积比较中差异无统计学意义。   结论   基于分水岭及区域增长算法的自发性脑出血血肿分割方法的测量稳定,与临床金标准一致性好,具有一定临床意义,但仍需更多的临床样本予以验证。      

基于注意力机制的深度学习网络在头部水脂分离图像上的组织成分分割

目的探究应用基于注意力机制的深度学习网络在头部MR三点非对称回波水脂分离成像（IDEAL）图像上进行5种组织成分（实质、脑脊液、颅骨、空气、软组织）分割的可行性。方法收集2019年9月至2021年8月杭州市临平区第一人民医院40名健康志愿者的头部CT图像和MRIDEAL图像。训练集包含30个样本,共1784张图像;测试集包含10个样本,共618张图像。将分割结果与标注区域进行对比评估网络模型效能。利用Elastix软件配准CT图像和MRIDEAL图像;基于CT值得到骨和空气区域的金标准,同时使用SPM12工具包从IDEAL图像得到脑实质、脑脊液区域的金标准,头部其余部分视为软组织区域的金标准;最后,采用最轻量的Segformer模型,将IDEAL的水图、脂图、同相图组成三通道输入到网络模型中进行训练,实现头颅组织成分（实质、脑脊液、颅骨、空气、软组织）的分割。采用Dice相似性系数（DSC）、像素准确度（PA）、均交并比（IoU）评价Seg-former在各个组织成分上的分割性能。结果测试集的各组织成分（空气、骨骼、脑实质、脑脊液、软组织）占比分别为0.125±0.016、0.184±0.015、0.375±0.019、0.085±0.011、0.231±0.020。测试集的DSC为0.822±0.039,PA为0.931±0.015,IoU为0.714±0.050。结论利用基于注意力机制的深度学习网络能够实现IDEAL图像的头部组织成分分割。     

3种软件在头颈部肿瘤患者脑干结构自动勾画中的应用比较

目的 比较PVMED-iCurve、AccuContour和DeepViewer 3种国产软件自动勾画头颈部肿瘤患者脑干结构的准确性。方法 选取2021年1月至2022年10月收治的20例头颈部肿瘤患者为研究对象,分别使用PVMED-iCurve、AccuContour以及DeepViewer3种软件自动勾画头颈部肿瘤患者脑干结构。以手动勾画作为参考标准,通过对比上述3种自动勾画的体积差异（△V%）、Hausdorff距离（Hausdorff Distance,HD）和Dice相似性系数（Dice Similarity Coefficient,DSC）,评估3种软件自动勾画脑干结构的效果。结果 PVMED-iCurve、AccuContour和DeepViewer 3种软件自动勾画头颈部肿瘤患者脑干结构的ΔV%分别为6.01%±17.77%、-2.49%±9.33%以及-9.68%±11.17%;HD分别为（7.74±3.05）、（2.83±1.18）、（4.00±2.16）mm;DSC分别为0.81±0.05、0.89±0.05以及0.85±0.06。3种软件两两比较,DSC差异均有...     

三种自动勾画软件应用于中上腹部危及器官勾画的准确性研究

目的比较三种自动勾画软件(Pinnacle 9.10、LinkingMed和Manteia)勾画上腹部危及器官(OAR)的准确性。方法选取了26例上腹部肿瘤患者,由一名资深的临床医师手动勾画OAR(肝脏、脊髓、双肾、胰腺和胃),并采用三种软件对其进行自动勾画。以手动勾画为金标准,计算并比较三种自动勾画结果的质心偏差(Center of Mass Deviation,DC)、Dice相似性系数(Dice Similarity Coefficient,DSC)、Hausdorff距离(Hausdorff Distance,HD)、包容性指数(Inclusive Index,IncI)和敏感性指数(Sensitivity Index,SI)。采用单因素方差分析评价各项指标的统计学差异,同时比较了三种软件勾画结果的准确性。结果肝、双肾和脊髓的DC、DSC、HD、IncI和SI,LinkingMed和Manteia组与Pinnacle组有统计学差异(P<0.05),inkingMed和Manteia组的勾画效果优于Pinnacle组。对于胃和胰腺的结果,Manteia组优于Lingkingmed组,除了IncI,均有统计学差异。结论对于肝、肾和脊髓,这三种软件均有较好的勾画效果,LinkingMed和Manteia的勾画效果更优于Pinnacle软件。对于胃和胰腺,Manteia的勾画效果优于LinkingMed。     

基于多尺度三维卷积神经网络的头颈部危及器官分割方法

目的 研究一种基于三维卷积神经网络的CT图像头颈部危及器官分割算法。方法 本文构建了一个基于V-Net模型的头颈部危及器官自动分割算法。为了增强分割模型的特征表达能力,将SE（Squeeze-and-Excitation）模块与V-Net模型中残差卷 积模块相结合,提高与分割任务相关性更大的特征通道权重;采用多尺度策略,使用粗定位和精分割两个级联模型完成器官分割,其中输入图像在预处理时重采样为不同分辨率,使得模型分别专注于全局位置信息和局部细节特征的提取。结果 我们在头颈部22个危及器官的分割实验表明,相比于已有方法,本文提出的方法分割平均精度提升了9%,同时平均测试时间从33.82 s降低至2.79 s。结论 基于多尺度策略的三维卷积神经网络达到了更好的分割精度,且耗时极短,有望在临床应用中提高医生的工作效率。     

智能放疗云平台在肝脏结构自动勾画中的应用

目的测试并定量评估智能放疗云平台(RAIC.OIS)软件自动勾画腹部肿瘤患者肝脏结构的可行性。方法选取我院2018年2月至11月收治的20例腹部肿瘤患者的定位CT图像进行回顾性研究。使用连心医疗的RAIC.OIS软件,对CT图像中的肝脏结构行自动勾画,所得结果与手工勾画肝脏结构进行比较。通过体积偏差(ΔV%)、质心偏差(Deviation of Centroid,DC)、Dice相似性指数(Dice Similarity Coefficient,DSC)和勾画时间,比较自动与手工勾画在体积、位置、形状、用时等方面的差异。使用敏感性指数(Sensitivity Index,SI)、包容性指数(Inclusiveness Index,IncI)和Jaccard系数(Jaccard Index,JAC)对自动勾画软件的准确性和效率进行定量化评估。结果比较自动和手工两种方式勾画肝脏结构,ΔV%为(2.16±3.59)%,DSC为0.92±0.02,DC为(0.38±0.35)cm,SI为0.93±0.02,IncI为0.91±0.03,JAC为0.85±0.04。自动勾画时间为(4.4±0.4)s,手工勾画时间为(507±74)s。结论使用RAIC.OIS软件对腹部肿瘤放疗患者的肝脏结构进行自动勾画,能够达到较好的准确性,且能够有效节约勾画时间,提高放疗工作效率。     

食管癌自适应放疗不同累加方法对危及器官受照剂量的差异比较

目的比较食管癌自适应放疗时,三种累加方法所得危及器官(Organs at Risk,OARs)受照剂量的差异。方法回顾性分析50例根治性食管癌自适应放疗计划,PTV:50 Gy/25 f,PGTV:60 Gy/30 f。在治疗20~25 f期间重新CT模拟定位,根据肿瘤靶区退缩情况制定自适应放疗计划。通过人工计算(A组)、治疗计划系统(B组)和MIM多模态形变配准系统(C组)三种方法分别计算双肺、心脏及脊髓的累加受照剂量。结果方差分析显示双肺V5差异有统计学意义(F=8.933,P<0.001),A组最小为(51.95±12.67)%;V20差异无统计学意义(P>0.05)。心脏V40差异有统计学意义(F=3.590,P<0.05),A组最大为(17.69±12.48)%。脊髓Dmax差异有统计学意义(F=5.587,P<0.001),A组最大为(43.98±2.23)Gy。结论食管癌自适应放疗时,人工计算方法会低估双肺的低剂量受照体积,并会高估脊髓的最大受照剂量。建议采用TPS计算或MIM多模态形变配准系统进行OARs受照剂量的累加计算。     

膀胱结构在CT与CBCT图像及自动勾画软件间的比较

目的 比较宫颈癌放疗患者膀胱结构在CT与锥形束CT(Cone Beam CT,CBCT)图像中的影像学差异,定量评估三款软件在2种图像中自动勾画膀胱结构的准确度,探讨当前模型自动勾画CBCT图像中膀胱结构的可行性,为实现基于CBCT图像的膀胱充盈状态快速评估提供研究基础.方法 回顾性分析我院收治的20例宫颈癌放疗患者的...     

Clinical study on the changes of the tumor target volume and organs at risk in helical tomotherapy for nasopharyngeal carcinoma

Background  Helical tomotherapy (HT) is a new image-guided intensity-modulated radiation therapy (IMRT). The aim of this study was to evaluate the changes in the target volume and organs at risk (OARs) of patients with nasopharyngeal carcinoma (NPC) during helical tomotherapy.

Methods  Forty-three patients with NPC and treated via HT from March 2008 to January 2010 were reviewed retrospectively. Repeated CT scanning and plan adaptation were conducted at the 20th fraction during radiotherapy. The volumetric differences between the two scans were evaluated for nasopharyngeal tumor and retro- pharyngeal lymph nodes (GTVnx), neck lymph nodes (GTVnd), and parotid glands, as well as the axial diameter of the head.

Results  The median interval between the two scans was 25 days (23–28 days). The volumetric decrease in GTVnx was 30.1% (median, 29.8%) and in GTVnd 41.6% (median, 45.9%). The variation in the GTVnd volume was correlated with the weight loss of the patient. The volume of the left parotid gland decreased by 35.5% (median, 33.4%) and of the right parotid glands decreased by 36.8% (median, 33.5%). The axial diameter of the head decreased by 9.39% (median, 9.1%).

Conclusions  The target volume and OARs of patients with NPC varied considerably during HT. These changes may have potential dosimetric effects on the target volume and/or OARs and influence the clinical outcome. Repeated CT scanning and replanning during the HT for NPC patients with a large target volume or an obvious weight loss are recommended.

     

PET／CT图像分割技术在肺癌放疗计划中的应用

目的：探讨PET/CT图像分割技术对肺癌放疗计划制定的影响。方法对12例无转移的肺癌患者行PET/CT扫描。采用自主编写的基于PCNN模型的自动分割程序对PET靶区进行分割处理,再分别以CT图像、PET/CT图像为依据采用目测法手动勾画肿瘤靶区,以相同参数制定调强放疗计划,对比分析靶区体积和剂量分布。结果 PET自动分割靶区与PET手动勾画靶区之间未见统计学差异（P〉0.05）,分割方法准确可靠;与CT手动勾画靶区之间差异有统计学意义（P〈0.05）,前者〈后者,PET/CT图像较CT能更准确的区分肿瘤与肺不张。与基于CT的放疗计划相比,PET计划正常肺组织V20、V30均有显著降低,差异均有统计学意义（P〈0.05）。脊髓、心脏和食管的受量差异无统计学意义（P〉0.05）。结论 PET/CT图像分割技术提高了肿瘤靶区勾画的准确性,依据分割靶区制订的放疗计划能降低正常组织受照范围,减少并发症的发生率。     

双时相^18F—FDG PET／CT在鼻咽癌放射治疗评价中的应用

目的探讨双时相^18F—FDG PET／CT在鼻咽癌放射治疗疗效评价中的应用价值。方法36例病理明确诊断鼻咽癌患者分别于放疗前、放疗后及放疗后1个月进行双时相^18F—FDGPET／CT全身检查,测定病灶部位初次检查及延迟扫描SUV—max进行分析,观察其变化评判放射治疗疗效情况。结果36例晚期鼻咽癌患者在确诊、放疗结束、放疗结束后1个月3个时间点的初始SUV与延迟SUV值依次分别为：（10．6±4．1、11．7±4．6）,（3．6±1．2、3．0±0．8）和（3．3．4±0、2．9±0．7）;放疗后病灶的初次SUV、延迟SUV值均显著地下降,且反映一个趋势：确诊时延迟SUV值高于初次SUV,而治疗后延迟SUV值低于初次SUV;放疗后病灶SUVmax与放疗后1个月SUVmax无显著差异。结论晚期鼻咽癌患者放疗前后双时相PET—CT检查对疗效的检测具有较好的一致性,尤其延迟相更加灵敏;双时相PET／CT有利于鼻咽癌放射治疗的早期疗效评价及预后评估。