基于生成对抗网络的鼻咽癌靶区自动勾画研究

摘要：

目的:评估基于一种深度学习网络模型2D-PE-GAN的鼻咽癌靶区自动勾画模型，对靶区勾画的工作效率的提高作用。方法:模型采用生成对抗网络的架构，生成器采用UNet相似结构，并在生成器的每一层卷积操作后添加2D-PE-block，提升勾画准确度。实验数据使用130例鼻咽癌CT图像，模型训练前对图像进行预处理，通过对比UNet、GAN，以及添加注意力机制的GAN三种模型，使用Dice系数、豪斯多夫距离、准确率、马修斯相关系数、杰卡德距离，说明提出模型的有效性。结果:相比于UNet、GAN、加入注意力机制的GAN，2D-PE-GAN网络分割CTV的Dice系数平均值提高了26%、4%、2%，分割GTV的Dice系数平均值提高21%、4%、2%。相比于加入注意力机制的GAN，2D-PE-GAN的参数和时间分别减少了0.16%、18%。结论:与UNet、GAN、加入注意力机制的GAN三种模型相比，2D-PE-GAN用于鼻咽癌靶区勾画，分割准确度均有所提升，同时，与提出原因相似的注意力机制相比，使用2D-PE-GAN在分割准确度相差不大的情况下，能减少计算资源的占用。

关键词：深度学习、鼻咽肿瘤、靶区、自动勾画

所属期刊栏目：31

资助基金：合肥市科技局“借转补”基金J2020Y01;中国科学技术大学附属第一医院医学人工智能联合基金MAI2022Q009;中国科学技术大学双创基金WK5290000003;Hefei Science and Technology Bureau FundJ2020Y01;Medical Artificial Intelligence Joint Fund of the First Affiliated Hospital of University of Science and Technology of ChinaMAI2022Q009;Foundation for Entrepreneurship and Innovation of University of Science and Technology of ChinaWK5290000003

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6页

页码：1127-1132