科研之友
微信
新浪微博
Facebook
分享链接
摘要
目的：探讨与评价AccuContour软件基于深度学习的自动分割方法对头颈部危及器官(OAR)自动勾画结果的准确性。方法：选取20例鼻咽癌患者的CT图像资料，应用基于深度学习的机器算法模型AccuContour软件，对图像的19个OARs(脑干、脊髓、双侧眼球、双侧晶体、双侧视神经、垂体、双侧腮腺、口腔、下颌骨、双侧颌下腺、双侧颞颌关节、甲状腺和喉)进行自动勾画，勾画结果定义为深度学习勾画的体积(VDL)，对其进行手动修改后，将修改结果定义为参考勾画(Vref)，采用相似性系数(DSC)、Jaccard系数(JAC)、平均Hausdorff距离(AHD)、体积差异比(ΔV)、最大剂量(Dmax)或平均剂量(Dmean)评价勾画结果。结果：除垂体、双侧颞颌关节及双侧视神经外，其他器官的DSC平均值均>0.7,JAC平均值均>0.6；各器官AHD均值最大为1.91 mm，最小为0.23 mm。双侧眼球、双侧晶体、下颌骨、双侧颌下腺、喉和甲状腺在剂量评估中表现优异，以ΔDmax评估的器官中，绝对平均值最大为5.81 Gy，以Dmean评估的器官中，绝对平均值最大为3.77 Gy。结论：AccuContour软件基于深度学习的自动分割方法在头颈部OAR自动勾画中能够获得较好的结果，可以用来提高临床工作效率。
-
单位北京老年医院; 解放军总医院
