前列腺癌术后放疗靶区自动勾画人工智能模型构建题录

目的探索基于卷积神经网络构建前列腺癌术后放疗临床靶区(CTV)及部分危及器官(OAR)自动勾画模型的方法, 以提高临床工作效率和靶区勾画统一性。方法回顾性分析由一位放疗医师勾画的117例前列腺癌术后患者CT资料, 基于3D UNet设计多分类自动勾画模型CVT-UNet, 采用戴斯相似系数(DSC)、95分位豪斯多夫距离(95%HD)和平均表面距离(ASD)评估模型分割能力, 比较另外两位医师对测试集自动勾画靶区评估结果的差异。再随机收集78例由其他医生治疗的患者进行模型外部验证, 比较两位医师评价的差异。结果测试集前列腺瘤床区(CTV1)、盆腔淋巴结引流区(CTV2)、膀胱和直肠的平均DSC分别为0.74、0.82、0.94和0.79。临床评分显示:两位医师对CTV2和OAR的勾画达成了更多的共识;而对CTV1的勾画则共识较少, 故评分差异较大。结论基于卷积神经网络构建用于术后前列腺癌CTV及相关OAR的自动勾画模型可行, 但前列腺瘤床区的自动分割仍需改善。