| 摘 要： | 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...
|
