基于级联3DU-Net的CT和MR视交叉自动分割方法

作     者：沈镇炯 彭昭 孟祥银 汪志 徐榭 裴曦 SHEN Zhenjiong;PENG Zhao;MENG Xiangyin;WANG Zhi;XU Xie;PEI Xi

作者机构：中国科学技术大学核医学物理研究所安徽合肥230025 安徽医科大学第一附属医院肿瘤放疗科安徽合肥230022 中国科学技术大学附属第一医院放疗科安徽合肥230001 安徽慧软科技有限公司安徽合肥230088 

出 版 物：《中国医学物理学杂志》 (Chinese Journal of Medical Physics)

年 卷 期：2021年第38卷第8期

页      面：950-954页

学科分类：0831[工学-生物医学工程（可授工学、理学、医学学位）] 08[工学] 

基　　金：安徽省自然科学基金(1908085MA27) 安徽省重点研究与开发计划(1804a09020039) 中国科学技术大学“Med-X医学物理和生物工程双一流交叉学科”建设经费。 

主　　题：3D U-Net 视交叉 自动分割 多模态 

摘      要：目的:基于级联3D U-Net,利用配对患者头颈部数据[CT和磁共振图像(MRI)],取得比仅CT数据更高分割精度的视交叉自动分割结果。方法:该级联3D U-Net由一个原始3D U-Net和改进的3D D-S U-Net(3D Deeply-Supervised UNet)组成,实验使用了60例患者头颈部CT图像及MRI图像(T_(1)和T_(2)模态),其中随机选取15例患者数据作为测试集,并使用相似性系数(DSC)评估视交叉的自动分割精度。结果:对于测试集中的所有病例,采用多模态数据(CT和MRI)的视交叉的DSC为0.645±0.085,采用单模态数据(CT)的视交叉的DSC为0.552±0.096。结论:基于级联3D U-Net的多模态自动分割模型能够较为准确地实现视交叉的自动分割,且优于仅利用单模态数据的方法,可以辅助医生提高放疗计划制定的工作效率。