南方医科大学学报

作者：杨 鑫, 李学妍, 张晓婷, 宋 凡, 黄思娟, 夏云飞

关键词：深度学习,自动分割,CT图像,Unet网络,AUnet,

目的 探讨鼻咽癌放射治疗中的危及器官（OARs）的自动分割的准确性。方法 在自动分割模型研究中，经CT扫描和医生手动分割后，选取147例鼻咽癌患者的CT图像及其对应勾画的OARs结构，并对其进行完全随机化分组，分成训练集（115例）、验证集（12例）、测试集（20例）。采用自适应直方图均衡化对CT图像进行预处理。利用端到端训练提高建模效率，实现一种基于三维Unet的改进网络（AUnet），将器官大小作为先验知识引入卷积核大小设计中，使网络能自适应地提取不同大小器官的特征，从而提高模型的性能。比较自动与手动分割的DSC（Dice Similarity Coefficient）系数和豪斯多夫（HD）距离以验证AUnet网络的有效性。结果 测试集的平均DSC和HD分别为0.86±0.02和4.0±2.0 mm。除视神经、视交叉外，AUnet与手动分割结果无统计学差异（P>0.05）。结论 引入自适应机制后，AUnet能较为准确地实现基于CT图像对鼻咽癌的危及器官的自动分割，临床应用中可大幅度提高医生的工作效率及分割的一致性。

来源：2020年第11期

《南方医科大学学报》期刊编辑部

查看南方医科大学学报杂志2020年第11期