深度学习对放疗影像进行盆腔肠管自动勾画的可行性研究

作     者：张玉洁 袁旭 肖寒 张建英 ZHANG Yu-jie;YUAN Xu;XIAO Han;ZHANG Jian-ying

作者机构：复旦大学附属中山医院放疗科上海200032 复旦大学附属中山医院检验科上海200032 

出 版 物：《复旦学报（医学版）》 (Fudan University Journal of Medical Sciences)

年 卷 期：2024年第51卷第2期

页      面：243-248页

核心收录：

学科分类：0831[工学-生物医学工程（可授工学、理学、医学学位）] 1001[医学-基础医学(可授医学、理学学位)] 08[工学] 1010[医学-医学技术（可授医学、理学学位）] 100106[医学-放射医学] 10[医学] 

主　　题：直肠癌 小肠肠管 自动勾画 深度学习 

摘      要：目的研究基于深度学习对放疗影像进行盆腔肠管自动勾画的可行性。方法随机选取2019—2021年在复旦大学附属中山医院接受放疗的直肠癌患者100例,随机选取其中60例作为训练模型病例,另40例作为测试病例。以手动肠管勾画为标准,基于深度学习自动分割软件AccuContour中的原始小肠模型,分别在60个模型病例中随机选取60、40、20(2组)个病例训练肠管勾画,获得4个训练模型Rec60、Rec40、Rec20A和Rec20B。使用40例测试病例评估原始模型与Rec60模型的Dice相似性系数(Dice similarity coefficient,DSC)、95%Hausdorff距离(95%Hausdorff distance,HD95)和平均对称表面距离(average symmetric surface distance,ASSD),并分别评估5组自动勾画的DSC。使用SPSS软件对几何参数进行配对t检验。结果训练后的勾画更接近手动勾画的肠管,能够较好地分辨肠管边界,可区分小肠与结肠。Rec60的平均DSC、HD95和ASSD分别较原始模型高0.16(P0.001)、低12.4(P0.001)和低5.14(P0.001)。关于DSC,经配对t检验,4个训练模型与原始模型的差异均有统计学意义,Rec60与Rec40之间差异无统计学意义,Rec60和Rec40与Rec20A和Rec20B之间差异有统计学意义,Rec20A与Rec20B之间差异无统计学意义。结论对于放疗影像的自动勾画,模型训练能够有效提高肠管勾画的准确性。在AccuContour软件中40个及以上病例的训练集能够训练出盆腔肠管勾画的最优模型。