小样本训练模型在宫颈癌放疗中自动勾画可行性研究

2021-11-30陈飞胡静戴春华游涛耿长冉汤晓斌

中国医疗设备 2021年11期

关键词：模型

陈飞，胡静，戴春华，游涛，耿长冉，汤晓斌

1. 南京航空航天大学核科学与技术系，江苏南京 210000；2. 江苏大学附属医院放疗科，江苏镇江 212000

引言

宫颈癌是全球女性常见的恶性肿瘤，放射治疗是宫颈癌的主要治疗方式之一[1-2]。在目前精准放疗时代，肿瘤靶区及危及器官（Organs at Risk，OARs）勾画的准确性显得尤为重要[3-4]。临床上认为手动勾画靶区及OARs是金标准，但这是一个费时费力的过程。有研究表明宫颈癌患者的OARs勾画时间约2 h，而且不同临床医师勾画结果可能因为经验及理解不同而存在较大差异，这大大影响了患者放疗的准确性[4-6]。近年来，基于深度学习自动勾画的研究备受关注，并在前列腺癌、肺癌等部位取得很大进展，降低了放疗医师工作负荷以及勾画差异性[7-9]。深度学习算法模型已逐渐应用于临床，在实际使用过程中，常会发现通用的深度学习算法模型自动勾画效果不符合医院的具体勾画习惯而影响临床的应用[10]。

AccuLearning是由Manteia公司研发的一款深度学习自主训练平台，对各医院提供自动勾画算法模型定制，从而加大深度学习模型的实用性，推荐训练最小病例数量30例。目前关于小样本算法定制可行性的相关报道较少，本研究基于此，使用我院30例的宫颈癌患者数据在AccuLearning平台中进行算法模型训练，并对生成的算法模型进行测试分析，讨论其对于宫颈癌临床靶区（Clinical Target Volume，CTV）及OARs算法定制的可行性，以期得到AccuLearning软件算法定制应用于临床实践的依据。