宫颈癌后装治疗中基于U-net的自动施源器分割
2021-06-23胡海黎杰王培唐斌王先良杨强
实用肿瘤学杂志 2021年3期
关键词:模型
胡海 黎杰 王培 唐斌 王先良 杨强
宫颈癌是女性常见的恶性肿瘤,根据2018年对185个国家36种癌症的统计结果显示,全球宫颈癌新发患者达到了569 847例,死亡患者达到了311 365例[1]。标准的宫颈癌放射治疗模式是在进行外照射治疗之后,通过后装治疗进行补量[2-3]。图像引导的三维后装是后装治疗技术的主流,施源器重建是三维后装治疗计划设计的关键一步,现阶段施源器重建都依靠物理师人工完成,存在着重建精度受物理师主观因素影响大,重建速度慢的缺点。施源器重建的精度、患者从扫完定位CT到治疗期间长时间的等待都会影响到患者的剂量分布[4-6],从而影响患者的治疗效果。自动后装治疗计划设计是未来发展的方向之一,在后装治疗计划制定中,自动、精确、快速地重建施源器是尚未解决的问题。本文基于U-net网络建立了一种用于分割三维CT图像中施源器的深度学习模型,并通过戴斯相似性系数(DSC)、95百分位豪斯多夫距离(HD95)、相关体积差异(RVD)、精确率和召回率等参数对模型分割结果进行了评估,现报道如下。
1 材料和方法1.1 数据和数据标注
本文回顾性研究了2019年12月—2020年10月间27例四川省肿瘤医院已完成治疗的宫颈癌患者的CT数据,CT图像的分辨率为0.1 cm×0.1 cm×0.3 cm。27例患者使用的均为金属管柱施源器(Elekta applicator,no.084.350),CT层数范围是70~94层,平均值为84层。施源器的标注是由经验丰富的物理师在核通(Elekta AB,Stockholm,Sweden)治疗计划系统中进行,在每层CT中用直径6 mm的圆圈勾画出施源器的轮廓,进行标注。患者含施源器标注的CT层数在37~65层,平均为54层。……
登录APP查看全文
