基于混合注意力U-net全脑全脊髓临床靶区自动勾画

作     者：李红伟 倪春霞 陈淑 孟歌 胡小洋 汪洋 Li Hongwei;Ni Chunxia;Chen Shu;Meng Ge;Hu Xiaoyang;Wang Yang

作者机构：上海伽玛医院放疗科上海200235 复旦大学附属华山医院放射治疗中心上海200052 

基　　金：国家自然科学基金项目(11775098) 

出 版 物：《中华放射肿瘤学杂志》 (Chinese Journal of Radiation Oncology)

年 卷 期：2022年第31卷第3期

页      码：266-271页

摘      要：目的在U-net卷积神经网络基础上设计出混合注意力U-net(HA-U-net)网络用于全脑全脊髓临床靶体积(CTV)自动勾画,并与U-net自动分割模型分割结果进行比较。方法研究回顾了110例全脑全脊髓患者数据,选择80例用于训练集,10例用于验证集,20例作为测试集。HA-U-net以U-net为基准网络,在U-net网络输入端加入双注意力模块,同时在跳跃连接中加入注意力门模块来建立全脑全脊髓CTV自动勾画网络模型。评估参数为戴斯相似性系数、豪斯多夫距离和精确率。结果HA-U-net网络得到戴斯相似性系数为0.901±0.041,豪斯多夫距离为(2.77±0.29)mm,精确率为0.903±0.038,结果均优于U-net网络分割结果(均P<0.05)。结论HA-U-net卷积神经网络可以有效提升全脑全脊髓CTV自动分割的精度,有助于医生提高工作效率与勾画一致性。

主 题 词：深度学习 卷积神经网络 自动分割 全脑全脊髓临床靶体积 

学科分类：12[管理学] 08[工学] 1010[医学-医学技术类] 0831[工学-公安技术类] 1201[管理学-管理科学与工程类] 1001[医学-基础医学] 081104[081104] 080203[080203] 0835[0835] 0802[工学-机械学] 100106[100106] 0811[工学-水利类] 10[医学] 0812[工学-测绘类] 

核心收录：

D　O　I：10.3760/cma.j.cn113030-20210201-00053

馆 藏 号：203108982...