科研之友
微信
新浪微博
Facebook
分享链接
摘要
目的：构建混合多尺度神经网络（HMnet）实现放疗临床靶区的自动勾画，提供一个高精度的CT影像自动分割模型。方法：HMnet是一种端到端的卷积神经网络，使用深度残差网络提取特征，由4个不同内核的卷积层组成的多尺度特征融合模块进行处理，以适应不同尺度大小的临床靶区；再引入注意力残差模块对多尺度特征融合模块输出的有效特征进行强化。共采用117例Graves眼病病例的CT影像数据和临床靶区轮廓训练和评估HMnet，选择骰子相似系数（DSC）、95%豪斯多夫距离（95HD）作为评估指标。结果：采用HMnet进行Graves眼病放疗临床靶区自动勾画的DSC为0.874 9,95HD为2.525 4 mm，均优于Unet、Vnet、ResAttUnet3D网络，也优于同一位医生两次勾画结果的平均DSC。结论：HMnet能准确实现Graves眼病放疗临床靶区的自动勾画，可提高放疗医生的工作效率及勾画的一致性。
- 单位
