基于3D深度残差全卷积网络的头颈CT放疗危及器官自动勾画

作     者：田娟秀 刘国才 谷珊珊 顾冬冬 龚军辉 Tian Juanxiu;Liu Guocai;Gu Shanshan;Gu Dongdong;Gong Junhui

作者机构：湖南大学电气与信息工程学院长沙410082 湖南工程学院计算机与通信学院湖南湘潭411104 中国人民解放军总医院放射治疗科北京100853 机器人视觉感知与控制技术国家工程实验室长沙410082 

基　　金：国家自然科学基金(61671204) 湖南省科技计划重点研发专项基金(2016WK2001) 湖南省教育厅科学研究重点项目(18A356) 

出 版 物：《中国生物医学工程学报》 (Chinese Journal of Biomedical Engineering)

年 卷 期：2019年第38卷第3期

页      码：257-265页

摘      要：头颈部肿瘤放射治疗危及器官的准确勾画是放疗计划的关键步骤,然而头颈部放疗危及器官的精确分割挑战性很大,目前临床医生手动勾画危及器官非常繁琐、耗时且缺乏一致性。提出基于3D深度残差全卷积网络的头颈部肿瘤放疗危及器官自动分割方法,通过改进的V-Net网络分割模型,有效地结合危及器官CT影像的深层特征和浅层特征,同时根据特别设计的端到端监督学习确定危及器官分割模型参数。为了解决小器官类分布极不平衡问题,提出利用器官位置先验约束采样区域与随机采样相结合的训练样本选择策略,同时采用Dice损失函数对网络进行训练。该策略不仅可加速训练过程,提升分割性能,而且可保证小器官的分割准确率。该方法在2015年MICCAI头颈自动分割挑战赛数据集PDDCA上验证,各器官分割的Dice系数平均值分别为:颌下骨0.945、左腮腺0.884、右腮腺0.882、脑干0.863、左颌下腺0.825、右颌下腺0.842、左视神经0.807、右视神经0.847、视交叉0.583。大多数器官的95%Hausdorff距离小于3 mm,所有器官的勾画平均距离均小于1.2 mm。实验结果表明,该方法在除脑干以外的危及器官分割中性能比其他对比方法更优。

主 题 词：危及器官勾画 卷积神经网络 头颈部肿瘤 放射治疗 CT 

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

核心收录：

D　O　I：10.3969/j.issn.0258-8021.2019.03.001

馆 藏 号：203680822...