3D U-net应用于鼻咽癌危及器官自动分割的研究

目的:基于3D U-net提出一种自动分割模型,评估其自动分割效率和几何学精度,探讨其应用于临床的可行性。方法:选择58例鼻咽癌患者的CT定位图像,由1名有经验的放疗医师根据ICRU 83号报告以及中国鼻咽癌协作组调强放疗靶区和危及器官勾画共识手工勾画眼球、晶体、视交叉、视神经、垂体、颞叶、脑干、脊髓、腮腺、内耳、喉、下颌骨、下颌关节等危及器官,并将勾画好的数据传输至连心智能放疗云平台进行训练,深度学习后建立鼻咽癌危及器官自动分割数据库。另选取10例鼻咽癌患者作为测试组,分别采用自动分割和手工勾画方法勾画各危及器官,并对这2种勾画方式所需的时间、危及器官体积差异、重叠比(overlap ratio,OR)、戴斯相似性系数(Dice similarity coefficient,DSC)进行比较。结果:对于10例测试对象,自动分割平均时间较手工勾画平均时间节省了1231 s(74.02%)。除视交叉外,其他器官自动分割较手工勾画均大幅节省时间,差异有统计学意义(P<0.05)。脑干、脊髓、颞叶、喉、腮腺、下颌骨、眼球、下颌关节和内耳等有很高的DSC和OR值(均>0.8),重合性很好;晶体和视神经这类小体积器官平均DSC和OR值也在0.7以上,重合性较好;视交叉DSC平均值只有0.58,OR值仅为0.48,重合性较差。结论:基于3D U-net的自动分割模型对鼻咽癌危及器官进行自动分割,可得到很高的精度,应用于临床工作中可大大提高医师工作效率。