残差U-net与先验知识协同模型自动勾画宫颈癌术后临床靶区和危及器官

摘要：

目的 搭建残差U-net(RU)网络与先验知识协同(RPKC)自动勾画模型,评估其自动勾画宫颈癌术后患者临床靶区(CTV)和危及器官(OAR)的准确性.方法 基于48例(训练集)宫颈癌术后定位CT训练RPKC模型.以临床医师勾画的CTV及OAR为标准,采用戴斯相似系数(DSC)和第95百分位豪斯多夫距离(HD95)评估RPKC模型与RU模型勾画另20例宫颈癌术后患者(测试集)CTV及OAR(包括肠袋、直肠、膀胱、骨盆及双侧股骨头)的准确性.结果 RPKC模型自动勾画上述结构的DSC均高于RU模型,其中CTV及肠袋勾画效果差异有统计学意义(P均<0.05);除直肠外,RPKC模型自动勾画的HD95均低于RU模型,二者勾画CTV效果差异差异有统计学意义(P<0.05).结论 RPKC模型能更准确地勾画宫颈癌术后CTV和OAR,有助于提高深度学习自动勾画的临床实用性.

关键词：子宫颈肿瘤、体层摄影术、X线计算机、临床靶区、危及器官、残差

所属期刊栏目：38

分类号：R737.33;R814.42(肿瘤学)

资助基金：江苏省卫生建委医学科研重点项目;镇江市重点研发计划社会发展项目

在线出版日期：2022-09-30（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：1380-1384