论文部分内容阅读
目的
基于深度反卷积神经网络(DDNN)自动分割技术，探讨其在鼻咽癌靶区和危及器官(OAR)辅助人工勾画的应用价值。
方法利用已完成治疗的800例鼻咽癌患者的CT信息，构建基于DDNN算法的端到端自动分割模型，选取10例新的鼻咽癌患者作为研究测试集。通过比较10名初级医师在自动勾画基础上辅助人工勾画(DLAC)与单纯人工勾画(MC)的精确度系数(DICE)、平均一致距离(MDTA)、变异系数(CV)、标准距离偏差(SDD)、勾画时间等参数以评估自动勾画的效果。
结果在DLAC组，GTV、CTV的DICE分别为0.67±0.15、0.841±0.032，MDTA分别为(0.315±0.23)、(0.032±0.098) mm，显著优于MC组(P<0.001)。除脊髓、左右晶体、下颌骨外，DLAC组其他OAR的DICE高于MC组，其中下颌骨最高，视交叉最低。此外，相较MC组，DLAC组GTV、CTV、OAR的CV、SDD均显著降低(P<0.001)，总勾画时间节省63.7%(P<0.001)。
结论与MC相比，基于DDNN建立的DLAC能更为准确地实现鼻咽癌GTV、CTV和OAR的勾画，可大幅提高医师工作效率及勾画一致性。