| 摘 要： | 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...
|
