• 不 限
  • 期刊论文
  • 硕博论文
  • 会议论文
  • 报 纸
  • 英文论文
  2. 您的位置
  3. 首页
  4. 会议论文
  5. 基于MR影像的鼻咽癌GTV深度学习自动勾画

基于MR影像的鼻咽癌GTV深度学习自动勾画

来源 :2019中国肿瘤学大会 | 被引量 : 0次 | 上传用户：xz376004565
【摘 要】
：
目的 肿瘤靶区(Gross Tumor Volume,GTV)的勾画是鼻咽癌放疗计划的基础。头颈部危机器官(Organs at Risk,OAR)众多,且常与肿瘤病灶间距离狭小,头颈部GTV 的勾画有一定难度,在一定程度上依赖于医生的经验与知识。且已有研究报道,不同肿瘤医师鼻咽癌GTV 勾画之间存在差异,且可能会对病人预后产生一定影响。
【作 者】
：
鄂翔宇 应红梅 胡伟刚 王佳舟 
【机 构】
：
复旦大学附属肿瘤医院
【出 处】
：
2019中国肿瘤学大会
【发表日期】
：
2019年7期
【关键词】
：
鼻咽癌 GTV MR 卷积神经网络 自动勾划 
下载到本地 , 更方便阅读
下载此文 赞助VIP
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
　　目的 肿瘤靶区(Gross Tumor Volume,GTV)的勾画是鼻咽癌放疗计划的基础。头颈部危机器官(Organs at Risk,OAR)众多,且常与肿瘤病灶间距离狭小,头颈部GTV 的勾画有一定难度,在一定程度上依赖于医生的经验与知识。且已有研究报道,不同肿瘤医师鼻咽癌GTV 勾画之间存在差异,且可能会对病人预后产生一定影响。
其他文献
基于CT的影像组学特征预测ALK阳性Ⅲ/Ⅳ期非小细胞肺癌患者脑转移
目的 本研究旨在探讨影像组学在预测ALK 阳性的Ⅲ/Ⅳ期非小细胞肺癌(NSCLC)患者治疗前脑转移情况方面的应用。方法 本研究回顾性纳入2014 年至2017 年期间复旦大学附属肿瘤医院经病理证实的ALK 阳性Ⅲ/Ⅳ期NSCLC 患者。在治疗前基线检查中获得患者脑转移信息。收集患者治疗前胸部CT 图像，并由两名放疗科医生勾画大体肿瘤体积(GTV)，进行影像组学特征的提取。
会议
ALK阳性肺癌影像组学脑转移
Auto recognition and segmentation of the organs at risk for the thoracic radiotherapy using a single
Objective Purpose: To mimic the multi-target recognition and segmentation in a humans brain,we proposed a single input and double output fully convolutional network(SIDO-FCN)model to recognize and del
会议
fully convolutional networksingle input and double outputthoracic radiotherapy
肺癌影像智能诊断系统在武汉大学人民医院的应用
目的 目前，作为大势所趋，医疗人工智能(AI)在湖北省的不少医疗机构已经与临床工作流实现无缝衔接，并受到了临床医师的广泛认可。在肺癌诊疗领域，由依图医疗所研发的肺癌影像智能诊断系统不但提供智能影像判读服务，并且超越肺结节检出功能，实现精准定位、多维征象描述及出具结构化报告等功能，对于医疗效率的提升和诊疗流程的优化至关重要。
会议
人工智能肺癌影像学
基于前列腺穿刺活检全景病理切片Gleason中等级区域自动诊断系统
目的 基于前列腺穿刺活检组织的H&E 染色数字切片图像，针对腺癌中等级Gleason 3 级(G3)、4 级(G4)区域提取卷积网络深度抽象特征；根据训练病例库中人工标记的区域，训练深度残差网络，从而构建定量描述特征自动区分G3 和G4 区域，实现对测试样本中可疑区域的G3 和G4 区域准确分析。
会议
前列腺人工智能病理诊断
利用人工智能技术产生肿瘤病理超分辨图像
目的 全片数字化扫描技术(Whole slide imaging,WSI)的出现,促进了远程病理学的发展,在降低时间成本和提高专家资源的可获得性方面起到了巨大的作用.WSI 扫描的物镜倍率通常是20X和40X 两种,在实际应用中各有优势,这是因为：一方面,40X 扫描的图像较20X 来说,占用空间更大,并且传输时间也久得多(接近于4 倍),而存储空间和传输时间在远程病理学中都是很重要的影响因素；另
会议
超分辨人工智能WSI胃肠道间质瘤粒层细胞瘤
基于Dense V-Network神经网络的女性肠道自动分割研究
目的 既往国内外文献报道中，女性盆腔肿瘤患者肠道器官难以实现良好的自动分割效果，主要原因在于设计及训练三维网络分割模型时存在以下三个难点：1.肠道的大小形态、纹理灰度和相对位置会受患者解剖结构的个体差异、充盈状态、疾病状态和治疗的干扰，导致训练数据一致性差，进而训练时为避免欠拟合现象的发生而难以增加神经网络的深度.
会议
深度学习卷积神经网络自动分割女性盆腔肠道
深度学习融合网络模型提高女性盆腔危及器官的自动分割精度研究
目的 目的：随着机器学习的发展，很多研究将深层卷积神经网络应用到医学影像中，以寻求代替临床放疗中重复低效的危及器官分割工作的方法，缩短患者的侯治时间。目前，二维卷积神经网络已取得良好的效果，但三维神经网络存在解剖环境更复杂、网络优化困难、训练样本不足等问题，难以取得良好效果。
会议
深度学习卷积神经网络自动分割女性盆腔
MR放射组学:预测三阴性乳腺癌患者新辅助治疗后的病理学完全缓解和无病生存期
目的 研究基于增强 MRI 的放射组学能否预测接受新辅助治疗(NAC)的局部晚期 TNBC 的病理完全缓解(pCR)和无病生存期(DFS).方法 回顾性分析 2010 年 1 月至 2017 年 5 月共 113 例接受 NAC 的患者，然后随访至 2018年 8 月.这些患者通过穿刺活检确诊为三阴性乳腺癌.病理完全缓解定义为 ypT0/is 和 ypN0.
会议
放射组学三阴性乳腺癌新辅助化疗机器学习
CT图像的纹理特征预测早期非小细胞肺癌立体定向放疗预后及生存
目的 医学影像纹理分析是一种新兴的研究方法,是人工智能在无创诊疗上面的重要应用。它主要用于量化肿瘤内空间分布异质性,进而了解肿瘤生物学特征。本研究利用放疗前CT 图像的纹理特征,来预测早期非小细胞肺癌(non-small cell lung cancer,NSCLC)患者立体定向放疗(stereotacticbody radiotherapy,SBRT)后的预后及生存。
会议
CT图像预后非小细胞肺癌(NSCLC)立体定向放疗(SBRT)纹理分析
基于C#的放射性治疗加速器绝对计量校准用计算工具
目的 在进行加速器绝对计量校准时，探头所记录的数据需要进行换算并记录在纸质表格上。以往换算过程需要借助手机，而基于398报告的探头并没有一个简单到能够使用手机进行计算的公式，因此需要借助外部工具进行计算。
会议
C#数据记录