两种自动勾画头颈部危及器官方法的比较研究

摘要：

目的:设计一种基于深度学习的自动勾画模型，用于勾画头颈部危及器官(OARs)，并与基于图谱方法的Smart segmentation勾画软件进行比较。方法:自动勾画模型由基于深度学习神经网络的分类模型和勾画模型组成。分类模型将CT图像从头脚方向分为6个分类，将每个OARs对应分类的CT图像输入勾画模型进行分割勾画。自动勾画模型使用150例病例训练模型，Smart segmentation使用相同的150例病例组成图谱库，两者同时对20例测试集进行勾画。使用相似度系数(DSC)和豪斯多夫距离(HD)评估2种方法勾画准确性，同时记录两种方法勾画花费时间。根据数据是否满足正态分布，分别使用配对
t检验和Wilcoxon符号秩和检验。
结果:自动勾画模型的DSC和HD结果如下：脑干为0.88和4.41 mm、左眼球为0.89和2.00 mm、右眼球为0.89和2.12 mm、左视神经为0.70和3.00 mm、右视神经为0.80和2.24 mm、左颞叶为0.81和7.98 mm、右颞叶为0.84和8.82 mm、下颌骨为0.89和5.57 mm、左腮腺为0.70和11.92 mm和右腮腺为0.77和11.27 mm。除腮腺外，自动勾画模型勾画结果均优于Smart segmentation，差异有统计学意义(
t＝3.115～7.915，
Z＝－1.352～－3.921，
P<0.05)。同时，自动勾画模型速度比Smart segmentation提高了51.28%。
结论:利用深度学习方法建立了自动勾画头颈部OARs的模型，得到较准确结果，勾画精度和速度均优于Smart segmentation软件。

关键词：自动勾画、危及器官、深度学习、图谱库

所属期刊栏目：40

资助基金：国家自然科学基金81071237，81372420;National Natural Science Foundation of China81071237, 81372420

在线出版日期：2023-05-30（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：385-391