深度学习对放疗影像进行盆腔肠管自动勾画的可行性研究

摘要

目的 研究基于深度学习对放疗影像进行盆腔肠管自动勾画的可行性。方法 随机选取2019—2021年在复旦大学附属中山医院接受放疗的直肠癌患者100例，随机选取其中60例作为训练模型病例，另40例作为测试病例。以手动肠管勾画为标准，基于深度学习自动分割软件AccuContour中的原始小肠模型，分别在60个模型病例中随机选取60、40、20(2组)个病例训练肠管勾画，获得4个训练模型Rec60、Rec40、Rec20A和Rec20B。使用40例测试病例评估原始模型与Rec60模型的Dice相似性系数（Dice similarity coefficient,DSC）、95%Hausdorff距离（95%Hausdorff distance,HD95）和平均对称表面距离（average symmetric surface distance,ASSD），并分别评估5组自动勾画的DSC。使用SPSS软件对几何参数进行配对t检验。结果 训练后的勾画更接近手动勾画的肠管，能够较好地分辨肠管边界，可区分小肠与结肠。Rec60的平均DSC、HD95和ASSD分别较原始模型高0.16(P<0.001)、低12.4(P<0.001)和低5.14(P<0.001)。关于DSC，经配对t检验，4个训练模型与原始模型的差异均有统计学意义，Rec60与Rec40之间差异无统计学意义，Rec60和Rec40与Rec20A和Rec20B之间差异有统计学意义，Rec20A与Rec20B之间差异无统计学意义。结论 对于放疗影像的自动勾画，模型训练能够有效提高肠管勾画的准确性。在AccuContour软件中40个及以上病例的训练集能够训练出盆腔肠管勾画的最优模型。

关键词

直肠癌 / 小肠肠管 / 自动勾画 / 深度学习