基于深度学习的直肠癌放疗靶区和危及器官自动勾画

作     者：李林山 司梦远 苏坤普 肖姚 周德力 刘岩海 周鹏 罗佳 胡海 李梦侠 陈川 LI Linshan;SI Mengyuan;SU Kunpu;XIAO Yao;ZHOU Deli;LIU Yanhai;ZHOU Peng;LUO Jia;HU Hai;LI Mengxia;CHEN Chuan

作者机构：陆军特色医学中心肿瘤科重庆400042 中国科学院物理研究所北京100190 

出 版 物：《现代肿瘤医学》 (Journal of Modern Oncology)

年 卷 期：2024年第32卷第19期

页      面：3757-3762页

学科分类：1002[医学-临床医学] 100214[医学-肿瘤学] 10[医学] 

基　　金：重庆市科卫联合医学科研项目重点项目(编号:2022ZDXM027) 

主　　题：深度学习 直肠癌 放射治疗 自动勾画 

摘      要：目的:基于改进Unet卷积神经网络模型,探讨模型应用于放射治疗中直肠癌靶区和危及器官分割的可行性。方法:研究回顾了120例直肠癌患者数据,随机选取80例作为训练集,20例作为验证集,20例作为测试集。自动分割勾画的目标包括了直肠癌的临床靶区(clinical target volume,CTV)、左侧股骨头、右侧股骨头、膀胱。采用戴斯相似性系数(Dice similarity coefficient,DSC)、豪斯多夫距离(Hausdorff distance,HD)和交并比(intersection over union,IoU)作为评价指标,网络模型自动勾画的结果与临床医生手动勾画结果进行比较,并与基于图谱的自动勾画技术(atlas-based automatic segmentation technique,ABAS)进行对比。结果:深度学习模型自动勾画CTV、膀胱、左侧股骨头和右侧股骨头的DSC值分别为0.90±0.06、0.95±0.11、0.98±0.01和0.96±0.05;95%HD值分别为(7.58±4.70)mm、(4.11±8.58)mm、(1.37±2.09)mm和(1.50±2.19)mm;IoU值分别为0.82±0.09、0.91±0.13、0.96±0.03和0.94±0.06。ABAS自动勾画CTV、膀胱、左侧股骨头和右侧股骨头的DSC值分别为0.83±0.13、0.68±0.27、0.89±0.12和0.88±0.13;95%HD值分别为(5.78±7.55)mm、(13.81±15.76)mm、(1.93±3.23)mm和(2.13±3.70)mm;IoU值分别为0.73±0.15、0.57±0.27、0.81±0.14和0.80±0.15。结论:基于改进Unet卷积神经网络模型在直肠癌的CTV和危及器官自动勾画任务中有较高准确率,应用于临床中能提高医生的工作效率和勾画一致性,有助于提升放射治疗的精准度,为后续自动化放疗计划设计的实现提供了支持。