基于自适应Unet网络的鼻咽癌放疗危及器官自动分割方法

目的 探讨鼻咽癌放射治疗中的危及器官（OARs）的自动分割的准确性。方法 在自动分割模型研究中,经CT扫描和医生手动分割后,选取147例鼻咽癌患者的CT图像及其对应勾画的OARs结构,并对其进行完全随机化分组,分成训练集（115例）、验证集（12例）、测试集（20例）。采用自适应直方图均衡化对CT图像进行预处理。利用端到端训练提高建模效率,实现一种基于三维Unet的改进网络（AUnet）,将器官大小作为先验知识引入卷积核大小设计中,使网络能自适应地提取不同大小器官的特征,从而提高模型的性能。比较自动与手动分割的DSC（Dice Similarity Coefficient）系数和豪斯多夫（HD）距离以验证AUnet网络的有效性。结果 测试集的平均DSC和HD分别为0.86±0.02和4.0±2.0 mm。除视神经、视交叉外,AUnet与手动分割结果无统计学差异（P>0.05）。结论 引入自适应机制后,AUnet能较为准确地实现基于CT图像对鼻咽癌的危及器官的自动分割,临床应用中可大幅度提高医生的工作效率及分割的一致性。