人工智能实施头颈部患者组织结构自动勾画的评价研究

2021-06-10巩汉顺戴相昆曲宝林徐寿平

实用癌症杂志 2021年5期

关键词：模型

巩汉顺戴相昆曲宝林章桦徐寿平

精确放疗时代下放疗计划中组织结构的准确剂量评估主要基于精确的三维轮廓勾画，因此靶区及危及器官(organs-at-risk,OARs)勾画的准确性是实现患者放疗疗效的重要前提条件之一[1]。但临床工作中OARs勾画的是一项极其耗时且繁琐的工作；同时受勾画者的主观性及自身不同专业素质的限制[2-3]，很难保证勾画效果的一致性及准确度[4]，这些差异不仅会影响治疗计划的优化及质量，并且会影响疗效评估以及临床模式的评估[5-6]。

头颈部肿瘤尤其是鼻咽癌患者，其肿瘤靶区形状复杂、周围OARs结构众多，OARs勾画工作会更加繁琐耗时。随着科学技术的进步，不同类别的自动勾画软件越来越多地被开发出来。基于图谱库的自动勾画软件发展起步较早[7]，主要包括ABAS(Elekta Medical System，Stockholm，Sweden)、SmartAdapt和Velocity(Varian Medical Systems，Palo Alto，USA)、RayDeformable(RaySearch Laboratories，Stockholm，Sweden)、MIM(MIM Software Inc，Cleveland，USA)等[8]，但该类方法对图谱库的选择策略以及通常耗时的配准本身的鲁棒性非常敏感[9]。基于不同神经网络机器学习的自动分割技术近年来也逐步应用于OARs的勾画，在保证勾画精度的前提下，大大提高勾画效率、降低勾画者之间的差异性[10-11]，使得放疗工作者从勾画等大量重复性的工作中解脱出来，更高效地完成对患者的诊疗收治工作[12]。由于模型构建及算法的差异导致危及器官尤其是微小结构的勾画结果与真实结构存在一定差异。本研究通过利用改进型U-Net神经网络的眼周联合分割优化模型对头颈部患者的组织结构自动与人工勾画进行分析比较。