基于人工智能的多模态影像辅助海马体自动勾画研究

作     者：张瑞萍 刘应龙 张文静 戴卓捷 陈昌舜 李东博 付春鹏 杨睿 张军君 章卫 贾乐成 ZHANG Ruiping;LIU Yinglong;ZHANG Wenjing;DAI Zhuojie;CHEN Changshun;LI Dongbo;FU Chunpeng;YANG Rui;ZHANG Junjun;ZHANG Wei;JIA Lecheng

作者机构：清华大学第一附属医院放疗科北京100016 深圳市联影高端医疗装备创新研究院广东深圳518045 清华大学第一附属医院医务处北京100016 北京联影智能影像技术研究院北京100094 上海联影医疗科技股份有限公司上海201807 

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

年 卷 期：2022年第39卷第3期

页      面：390-396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] 0836[工学-生物工程] 

主　　题：人工智能 深度学习 多模态影像 海马体 自动勾画 

摘      要：目的:利用基于深度学习的人工智能算法,结合头颅MRI和CT的多模态影像,开发海马结构自动勾画技术,为头颅放疗过程中海马体的保护提供高效、准确的自动勾画方法。方法:收集清华大学第一附属医院放疗科从2020年1月~12月就诊的40例脑转移癌患者的定位头颅CT及MRI影像,分别在CT图像、CT-MRI配准图像的两个数据集上训练3D UNet、3D U-Net Cascade、3D BUC-Net 3个深度学习模型,计算3个模型自动分割的左右海马体与对应的人工标注之间的Dice相似系数(DSC)和95%豪斯多夫距离(95 HD),以及两者的体积作为模型的分割准确性的评估,并且以对同一大小patch图像的自动分割耗时作为模型效率的评估。结果:引入MRI图像信息对左右海马的自动分割精度有明显的提升;模型3D BUC-Net在CT-MRI数据集上对左右海马体的自动分割都取得最好分割结果(DSC:0.900±0.017,0.882±0.026;95HD:0.792±0.084,0.823±0.093),而且该模型的分割效率更高。结论:模型3D BUC-Net能在多模态影像上实现高效、准确的海马区的自动勾画,为头颅放疗过程中海马区的保护提供方便。