基于深度学习的自动勾画技术在宫颈癌后装治疗中的应用研究
摘要
州市人民医院2023年1月-2024年6月收治的45例宫颈癌后装治疗患者，其中35例作为训练组构建深度学习模型，10例作
为验证组。通过AccuLearning软件训练模型，将其导入AccuContour软件进行自动勾画，与医生手动勾画结果对比，采
用Dice系数、HD95、ASSD等指标评估准确性和重复性。结果显示，靶区HRCTV、IRCTV的Dice系数分别为0.86±0.04、
0.85±0.05，OAR中膀胱、直肠Dice系数分别为0.81±0.06、0.79±0.07；自动勾画重复性ICC值均>0.9，显著高于手动勾
画（0.78-0.85）；自动勾画平均耗时（1.5±0.3）分钟，显著短于手动勾画（25.3±4.2）分钟（P<0.05）。该技术可在保
证精度的前提下提高勾画效率，具有临床应用价值。
关键词
全文:
PDF参考
[1]刘宗超，李哲轩，张阳，等.2020 全球癌症统计报告解读[J].肿瘤综合治疗电子杂志，2021，7（02）：1-14.
[2]SUNG H，FERLAY J，SIEGEL R L，et al.Global cancer statistics 2020：GLOBOCAN estimates of incidence and mortality worldwide
for 36 cancers in 185 countries[J].CA Cancer J Clin，2021.
[3]Small W，Bacon MA，Bajaj A，et al.Cervical cancer：a global health crisis [J].Cancer，2017，123 （13）：2404-2412.
[4]Pett M，Coleman N.Integration of high-risk human papillomavirus：a key event in cervical carcinogenesis?[J].J Pathol，2007，212
（4）：356-367.
[5]赵青莲，赵岩岩，张帅，等.调强适形放疗加后装放疗联合化疗在中晚期宫颈癌治疗中的临床研究.现代妇产科进展，2018，
27（2）：131-133.
[6]朱秀梅.调强放疗联合后装治疗在宫颈癌患者中的应用及安全性分析.医学理论与实践，2020，33（7）：1132-1133.
[7]王斌.基于深度学习技术的放疗靶区自动勾画系统设计与功能实现[J].电脑知识与技术，2024，20（30）：25-27.
[8]黄培，何侠.基于患者安全的肿瘤医院放疗精准质控管理实践及思考[J].中华放射肿瘤学杂志，2019，28（10）：796-798.
[9]Wong J，Huang V，Wells D，et al.Implementation of deep learningbased auto-segmentation for radiotherapy planning structures：a
workflow study at two centers[J].Radiat Oncol，2020，16（1）：101.
[10]刘洋，张烨，易俊林.自动分割技术在鼻咽癌靶区及危及器官勾画应用价值的研究[J].中华放射肿瘤学杂志，2021，30（9）：
882-887.
[11]Nikolov S，Blackwell S，Zverovitch A，et al.Clinically applicable segmentation of head and neck anatomy for radiotherapy：deep
learning algorithm development and validation study[J].J Med Internet Res，2021，23（7）：e26151.
[12]罗邦雨，伍亚军，周一兵，等.一款基于深度学习的放疗轮廓勾画软件的研发[J].中国医疗设备，2020，35（07）：40-44.
[13]张秀春，胡彩容，陈传本，等.基于参考图像的 ABAS 软件自动勾画技术在头颈部肿瘤中应用研究[J].中华放射肿瘤学杂志，
2011，20（6）：510-512.
[14]阴晓娟，胡彩容，张秀春，等.基于图谱库的 ABAS 自动勾画软件在头颈部肿瘤中的可行性研究[J].中华放射肿瘤学杂志，
2016，25（11）：1233-1237.
[15]杜国波，蒋利华，郭飞，等.ABAS 软件自动勾画技术在鼻咽癌调强放疗中的应用研究[J].中华放射肿瘤学杂志，2014，23
（1）：63-64.
(0 摘要 Views, 0 PDF Downloads)
Refbacks
- 当前没有refback。