资源类型：
文章类型：
机构：
[1]广东省中医院放射治疗区,广东广州510006
大德路总院
影像科
大德路总院放射科
广东省中医院
出处：
ISSN：
关键词：
深度学习
自动分割
临床靶区
危及器官
残差网络
U-net
摘要：
目的:实现引入SE-Res Block的U型卷积神经网络,探讨其应用于放疗中乳腺癌临床靶区与危及器官自动分割的可行性。方法:在传统U型网络的基础上引入SE-Res Block,以482例乳腺癌保乳术后（临床靶区中包含锁骨上颈部预防照射的靶区和需要照射腋窝的靶区不入组）进行调强放射治疗的乳腺癌患者的CT图像及结构信息作为研究对象。自动分割的对象包括:临床靶区、心脏、左右肺以及脊髓。左右乳独立训练、测试、评估。采用戴斯相似系数（DSC）和豪斯多夫距离（HD）来评价分割效果。结果:临床靶区自动分割的DSC与HD平均值为:0.805与9.295mm。四种危及器官自动分割的DSC与HD的平均值为0.92与4.62mm。结论:文中引入SE-Res Block的U型卷积神经网络可以较为准确地自动分割乳腺癌临床靶区与危及器官,但该算法模型对微小体积的图像分割预测表现不佳;在样本量小的情况下,对于强烈依赖主观经验的临床靶区预测结果有待进一步提高。
基金：
教育部产学合作协同育人项目（项目名称：基于大数据的乳腺癌放疗靶区自动勾画系统开发与应用；项目编号：201902119002）。
基金编号：
项目名称：基于大数据的乳腺癌放疗靶区自动勾画系统开发与应用；项目编号：201902119002
第一作者：
第一作者机构：
[1]广东省中医院放射治疗区,广东广州510006
通讯作者：
推荐引用方式(GB/T 7714)：
王学涛,戴振晖,张白霖,等.SE-Res Block U型卷积神经网络应用于乳腺癌临床靶区与危及器官自动分割的研究[J].中国医疗器械信息.2021,27(08):7-10.
