3D U-Net深度学习模型基于盆腔T2WI自动分割盆腔软组织结构
2022-03-01朱丽娜陈卫东黄嘉豪王祥鹏张晓东王霄英
刘 想,韩 超,高 歌,朱丽娜,陈卫东,黄嘉豪,王祥鹏,张晓东,王霄英*
(1.北京大学第一医院医学影像科,北京 100034;2.北京赛迈特锐医学科技有限公司,北京 100011)
多参数MRI(multiparametric MRI, mpMRI)是影像学检查前列腺癌的重要手段[1],不仅可用于临床诊断,且有助于指导放射治疗(简称放疗)前列腺癌[2]。精确勾画靶区是保证放疗疗效的关键因素之一。前列腺癌临床靶区包括整个前列腺和精囊腺,可能受到照射损伤的邻近器官包括直肠、膀胱、尿道及股骨等[3],而勾画上述结构较耗时、费力,且易受主观因素影响。3D U-Net是一种卷积神经网络结构,可用于分割3D图像。本研究评估采用3D U-Net深度学习(deep learning, DL)模型基于盆腔T2WI自动分割盆腔组织结构的可行性。
1 资料与方法
1.1 一般资料 回顾性分析2020年6月—12月147例于北京大学第一医院就诊的前列腺疾病患者,年龄28~86岁,平均(66.3±11.9)岁。纳入标准:①病理证实前列腺癌,或经病理/盆腔MRI随访确诊良性前列腺增生;②资料完整且图像清晰。排除标准:①前列腺癌根治术后;②前列腺周围组织存在原发性或继发性病变;③MR扫描范围不全。147例中,108例良性前列腺增生,39例前列腺癌,经病理证实肿瘤分期≤T2期;其中28例因随访需要接受2次盆腔MR扫描,121例接受单次盆腔MR扫描;共获得175组盆腔T2WI。本研究方案符合院人工智能(artificial intelligence, AI)模型训练规范要求。
1.2 仪器与方法 采用GE Discovery HD 750 3.0 T MR仪或Siemens Avanto 1.5 T MR仪,按照统一盆腔mpMR扫描方案[4]采集轴位T2WI,TR 4 000 ms/7 950 ms,TE 100 ms/112 ms,层厚3 mm/3.5 mm,层间距0,FOV 200 mm×200 mm,矩阵224×224。
1.3 手动标注盆腔组织结构 将DICOM格式T2WI转换为Nifty格式。由1名具有3年影像学诊断经验的住院医师采用ITK-SNAP软件(Version 3.6.0,http://www.itksnap.org/)手动调整窗宽及窗位,逐层标注前列腺、双侧精囊腺、膀胱、直肠、尿道、双侧闭孔内肌和双侧耻骨直肠肌;……
