结论肝脏肿瘤CT的精确分割可以形成有价值的术前预判、术中监测和术后评价,有助于制定完善的手术治疗方案,提高肝脏肿瘤手术的成功率,且该方法不局限于肝脏肿瘤的分割,同样也适用于其他医学影像组织器官与肿瘤的分割。
目的放射治疗是鼻咽癌的主要治疗方式之一,精准的肿瘤靶区分割是提升肿瘤放疗控制率和减小放疗毒性的关键因素,但常用的手工勾画时间长且勾画selleck产品者之间存在差异。本文探究Deeplabv3+卷积神经网络模型用于鼻咽癌原发肿瘤放疗靶区(primary tumor gross target volume,GTVp)自动分割的可行性。方法利用Deeplabv3+网络搭建端到端的自动分割框架,以150例已进行调强放射治疗的鼻咽癌患者CT(computed tomography)影点击此处像和GTVp轮廓为研究对象,随机选取其中15例作为测试集。以戴斯相似系数(Dice similarity coefficient, DSC)、杰卡德系数(Jaccard index,JI)、平均表面距离(average surface distance,ASD)和豪斯多夫距离(Hausdorff distance, HD)为评估或标准,详细比较Deeplabv3+网络模型、U-Net网络模型的自动分割结果与临床医生手工勾画的差异。结果研究发现测试集患者的平均DSC值为0.76±0.11,平均JI值为0.63±0.13,平均ASD值为(3.4±2.0)mm,平均HD值为(10.9±8.6)mm。相比U-Net模型,Deeplabv3+网络模型的平均DSC值和JI值分别提升了3%～4%,平均ASD值减小了0.4 mm,HD值无统计学差异。