基于深度学习的多模态影像脑胶质母细胞瘤放疗靶区的自动勾画研究

分享到

作者单位: ²山东第一医科大学第二附属医院肿瘤科 ⁵上海联影医疗科技股份有限公司 ³深圳市联影高端医疗装备创新研究院 ⁴北京联影智能影像技术研究院 ¹北京大学第三医院肿瘤放疗科

摘要: 目的通过建立深度学习模型, 探索多模态影像对脑胶质母细胞瘤放疗靶区自动勾画效果的影响。方法收集30例脑胶质母细胞瘤患者的电子计算机断层扫描序列和磁共振成像的对比增强T1加权序列以及T2液体衰减反转恢复序列, 对每例病例的原发肿瘤靶区及其对应的临床靶区1和临床靶区2根据RTOG标准进行人工勾画, 并设计4种不同的数据集:CT数据集、CT-T1C数据集、CT-T2-FLAIR数据集和CT-MRIs数据集。使用每种数据集中的25例对改进后的3D U-Net进行训练, 并用剩余5例进行测试。评价测试样本中GTV、CTV1和CTV2的自动勾画效果, 定量评估指标包括Dice相似系数, 95% Hausdorff距离和相对体积误差。结果该3D U-Net模型在多模态影像CT-MRIs上获得最好的GTV自动分割结果, 与在单模态影像CT的自动分割结果相比, DSC。该模型对于GTV的上下界和CTV2临近的重要器官的自动勾画有一定的局限性。结论基于改进后的3D U-Net在多模态影像数据集CT-MRIs上对脑胶质母细胞瘤放疗靶区具有更好的分割效果, 显示出较好的临床应用价值。

列表公用js 卡片页统计

相同作者单位文献