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...
|