• <tr id="yyy80"></tr>
  • <sup id="yyy80"></sup>
  • <tfoot id="yyy80"><noscript id="yyy80"></noscript></tfoot>
  • 99热精品在线国产_美女午夜性视频免费_国产精品国产高清国产av_av欧美777_自拍偷自拍亚洲精品老妇_亚洲熟女精品中文字幕_www日本黄色视频网_国产精品野战在线观看 ?

    AccuContour軟件在乳腺癌靶區(qū)和危及器官自動勾畫中的研究

    2022-08-03 06:59:20龔筱欽陳飛胡靜游濤張開軍戴春華朱雅群
    中國醫(yī)療設(shè)備 2022年7期
    關(guān)鍵詞:勾畫靶區(qū)脊髓

    龔筱欽,陳飛,胡靜,游濤,張開軍,戴春華,朱雅群

    1. 蘇州大學(xué)附屬第二醫(yī)院 放療科,江蘇 蘇州 215000;2. 江蘇大學(xué)附屬醫(yī)院 放療科,江蘇 鎮(zhèn)江 212000

    引言

    乳腺癌是女性最常見的惡性腫瘤之一,其發(fā)病率和死亡率在女性惡性腫瘤中占據(jù)首位,且發(fā)病人群日趨年輕化[1]。早期乳腺癌患者行保乳術(shù)后聯(lián)合放射治療對提高患者生存率有重要作用[2]。放射治療中腫瘤靶區(qū)及危及器官的勾畫是較為關(guān)鍵的一步,是實(shí)現(xiàn)精準(zhǔn)放療的必要前提[3]。臨床上如何更快速、準(zhǔn)確地勾畫靶區(qū)及危及器官一直是研究的熱點(diǎn)。近年來,深度學(xué)習(xí)自動勾畫軟件被應(yīng)用于臨床,但其勾畫結(jié)果因軟件不同存在一定的差異性,且有研究表明,基于軟件原有的自動勾畫模型對臨床靶區(qū)的勾畫效果并不理想[4-5]。

    目前關(guān)于AccuContour(AC)軟件學(xué)習(xí)后重新建模,應(yīng)用于乳腺癌臨床靶區(qū)(Clinical Target Volume,CTV)和危及器官(Organs At Risk,OARs)自動勾畫的相關(guān)報(bào)道較少,且相關(guān)研究大多只評價(jià)軟件原有模型自動勾畫的效果。本研究基于此軟件,探討其在右側(cè)乳腺癌保乳術(shù)后患者CTV 及OARs 自動勾畫中的可行性,同時(shí)考慮到軟件原有模型的訓(xùn)練數(shù)據(jù)來源不同可能造成的誤差,本研究納入我院60 例早期乳腺癌保乳患者的數(shù)據(jù),利用軟件的深度學(xué)習(xí)功能,生成全新的自動勾畫模型(Mode-ST),并與軟件原有模型(Model-AC)相比較,以期獲得更優(yōu)的自動勾畫效果并為應(yīng)用于臨床放療工作提供依據(jù)。

    1 材料與方法

    1.1 一般資料

    回顧性選取2016 年3 月至2021 年6 月在我院放療科接受放射治療的早期右側(cè)乳腺癌保乳術(shù)后患者的CT 影像資料。

    納入標(biāo)準(zhǔn):① 早期右側(cè)乳腺癌保乳術(shù)后患者,臨床分期為T1-2N0M0,腋窩無腫大淋巴結(jié),無鎖骨上淋巴結(jié)預(yù)防;② 無其他全身性疾病。最終入選患者60 例,年齡為29~68歲,中位值43.5 歲;體質(zhì)量指數(shù)(Body Mass Index,BMI)中位值為21;CTV 中位值為541 cm2;本研究已經(jīng)過江蘇大學(xué)附屬醫(yī)院科研倫理委員會審核通過(KY2021K0901)。

    1.2 CT掃描

    60 例患者均采用仰臥位真空墊固定體位,同時(shí)患者雙手抱肘置于額頭,使用飛利浦16 排大孔徑CT 機(jī)進(jìn)行放療定位,且每例患者均注射碘海醇造影劑。掃描范圍:下頜至肝臟下緣,掃描層厚為3 mm,層間距3 mm。將掃描采集的60 例CT 圖像通過DICOM 上傳至Eclipse 治療計(jì)劃軟件,由一位放療科醫(yī)師手動勾畫CTV 和OARs,并由一位主任醫(yī)師審核,其手動勾畫被認(rèn)為是“金標(biāo)準(zhǔn)”。

    (1)所有患者采用勾畫原則如下。CTV 上界:鎖骨頭下及第二肋交界處;下界:乳腺下緣,已無乳腺組織處;內(nèi)界:胸骨柄邊緣,但不要超過胸骨中線;外側(cè)界:腋中線水平,但要考慮乳腺下垂的程度;前界:皮膚組織下5 mm;后界:胸大肌或胸壁肌肉,但不包括這些肌肉或肋骨。

    (2)OARs 的勾畫標(biāo)準(zhǔn)如下。雙側(cè)肺:勾畫時(shí)用肺窗,包括所有膨脹的、塌陷的、纖維化的、氣腫的肺組織,但不包含肺門、氣管和主支氣管;肝臟:避開膽囊、肝門;心臟:肺動脈干分叉下一層開始勾畫,止于橫膈膈頂心尖部;健側(cè)乳腺:全部腺體組織;氣管:環(huán)狀軟骨下至器官分叉處,不包含主支氣管;食管:環(huán)狀軟骨下方一直到胃食管結(jié)合部入胃處;脊髓:靶區(qū)上、下各外放3 cm,勾畫脊髓髓質(zhì)部位。

    1.3 基于本研究數(shù)據(jù)深度學(xué)習(xí)訓(xùn)練后的全新算法模型自動勾畫乳腺癌CTV及OARs

    AC 是一款基于U-Net 全卷積神經(jīng)網(wǎng)絡(luò)進(jìn)行醫(yī)學(xué)影像分割的軟件,由Manteia(中國)科技有限公司研發(fā),其自帶OARs 及腫瘤靶區(qū)自動勾畫模型。Manteia 公司也可訓(xùn)練各中心數(shù)據(jù)生成新的模型導(dǎo)入至AC 軟件中供臨床使用,基于此,本研究選取患者中的40 例數(shù)據(jù)作為訓(xùn)練集,由軟件進(jìn)行深度學(xué)習(xí)形成新的模型,定義為Model-ST;余下20 例作為測試集傳至AC 軟件中,使用生成的Model-ST 模型對乳腺癌CTV 及OARs 進(jìn)行自動勾畫。

    1.4 基于AC軟件原有的算法模型自動勾畫乳腺癌CTV和OARs

    AC 軟件原有的模型同樣基于U-net 全卷積神經(jīng)網(wǎng)絡(luò),其是通過公司自有的數(shù)據(jù)深度學(xué)習(xí)訓(xùn)練得到的自動勾畫模型,定義為Model-AC。將上述20 例測試集數(shù)據(jù)再上傳至AC 軟件,由Model-AC 模型再次對乳腺癌CTV 及OARs進(jìn)行自動勾畫。

    1.5 評價(jià)指標(biāo)

    結(jié)合AC 軟件分析的評價(jià)指標(biāo),參考醫(yī)學(xué)圖像分割算法的評價(jià)方法[6],以醫(yī)生手動勾畫的CTV 及OARs 數(shù)據(jù)作為“金標(biāo)準(zhǔn)”,選用戴斯相似系數(shù)(Dice Similarity Coefficient,DSC)、豪斯多夫距離(Hausdorff Distance,HD)、相對體積差值(Relative Volume Difference,RVD)對自動勾畫的準(zhǔn)確性進(jìn)行評估。

    (1)DSC:DSC 是一種集合相似度度量指標(biāo),用于評價(jià)兩組勾畫輪廓相交體積占總面積的比值[7],其中vA代表手動勾畫輪廓的體積,vB代表自動勾畫輪廓的體積。DSC的大小為0~1,其數(shù)值越接近1 表示相似度越高,表明自動勾畫的精度越高,其計(jì)算公式如式(1)所示。

    (2)HD:HD 是描述兩組點(diǎn)集之間相似程度的一種量度[8],它是兩個(gè)點(diǎn)集之間距離的一種定義形式。A 和B分別表示手動勾畫和自動勾畫的輪廓區(qū)域。a、b 分別表示輪廓線A、B 上的任意一點(diǎn),HD 值越小表示兩輪廓線的最大歐氏距離越小,表明勾畫相似性越高,其計(jì)算公式如式(2)~(3)所示。

    (3)RVD 的差異率:主要用于評價(jià)兩組勾畫體積之間的差異[9],|A|代表手動勾畫結(jié)果的體積,|B|代表模型自動勾畫結(jié)果的體積,RVD 值越接近0,表明分割結(jié)果越接近“金標(biāo)準(zhǔn)”,其計(jì)算公式如式(4)所示。

    1.6 統(tǒng)計(jì)學(xué)分析

    采用SPSS 23.0 軟件進(jìn)行統(tǒng)計(jì)學(xué)分析,計(jì)量資料以(±s)表示,對兩組自動勾畫的CTV 及OARs 結(jié)果行配對t檢驗(yàn),P<0.05 為差異有統(tǒng)計(jì)學(xué)意義。

    2 結(jié)果

    2.1 自動勾畫的參數(shù)評估

    表1 總結(jié)了Model-ST 與Model-AC 兩個(gè)模型自動勾畫的結(jié)果。Model-ST 組的CTV 三個(gè)評價(jià)指標(biāo)均優(yōu)于Model-AC 組,其中DSC 值差異具有統(tǒng)計(jì)學(xué)意義(P<0.05);Model-ST 組的脊髓DSC 值高于Model-AC 組,HD 和RVD值均低于Model-AC 組,差異具有統(tǒng)計(jì)學(xué)意義(P<0.05);Model-ST 組 心 臟 的HD 和RVD 值 低 于Model-AC 組(P<0.05);Model-AC 組的雙肺和肝臟DSC 值均≥0.98,自動勾畫具有較高的重復(fù)性,且左肺的HD、RVD 值以及右肺的HD 值均低于Model-ST 組(P<0.05),這與DSC結(jié)果相對應(yīng);食管的Model-AC 組DSC 值高于Model-ST組,相對應(yīng)的RVD 值低于Model-ST 組(P<0.05);氣管的Model-AC 組RVD 值低于Model-ST 組(P<0.05);其余評價(jià)指標(biāo)差異無統(tǒng)計(jì)學(xué)意義(P>0.05)。

    2.2 脊髓參數(shù)評估

    在對表1 數(shù)據(jù)進(jìn)行分析發(fā)現(xiàn),Model-AC 組的脊髓DSC、HD 和RVD 數(shù)值均較異常,經(jīng)逐例測試集逐層檢查后發(fā)現(xiàn)Model-AC 組的脊髓勾畫過長;對比Model-ST組中脊髓勾畫結(jié)果發(fā)現(xiàn),Model-AC 模型自動勾畫的脊髓上下界有悖于臨床勾畫習(xí)慣,因此手動修改脊髓上下界,保留靶區(qū)及其上、下外放3 cm 的區(qū)域,脊髓修改后的結(jié)果見表2。對比表2 中的脊髓1 數(shù)據(jù),其DSC 系數(shù)從之前的(0.52±0.19)提高到(0.87±0.03),HD 和RVD 值也均有降低。

    表1 Model-ST與Model-AC的CTV和OARs自動勾畫結(jié)果評價(jià)指標(biāo)(±s)

    表1 Model-ST與Model-AC的CTV和OARs自動勾畫結(jié)果評價(jià)指標(biāo)(±s)

    注:Model-ST:基于本研究訓(xùn)練集數(shù)據(jù)訓(xùn)練得到的自動勾畫模型;Model-AC:軟件原有的自動勾畫模型;CTV:臨床靶區(qū)。

    器官DSCHD/mmRVD/%Model-ST Model-AC t值 P值Model-STModel-ACt值P值Model-STModel-ACt值 P值左肺 0.97±0.01 0.99±0.01 -7.52 <0.001 1.98±0.850.64±1.116.45 <0.0012.66±1.531.32±1.62 4.32 0.002右肺 0.98±0.01 0.99±0.02 -2.96 0.0162.65±0.971.15±1.92 3.29 0.0092.37±1.612.27±2.88 0.16 0.874心臟 0.97±0.01 0.97±0.01 -1.38 0.2022.74±0.665.90±3.26 -3.26 0.0101.64±1.304.59±2.27 -3.65 0.005脊髓 0.81±0.06 0.52±0.19 4.22 0.0026.06±5.67 153.33±97.86 -4.68 0.010 21.67±18.49 59.12±22.28 -3.21 0.011肝臟 0.97±0.01 0.98±0.01 -4.80 0.0014.22±2.265.44±4.71 -1.35 0.2121.22±1.202.32±1.39 -1.73 0.118健側(cè)乳腺 0.88±0.04 0.86±0.05 1.08 0.310 31.72±65.33 12.21±7.48 0.89 0.39614.01±9.79 13.46±10.17 0.10 0.925食管 0.73±0.14 0.89±0.02 -3.39 0.008 40.14±101.26 4.51±5.94 1.12 0.293 55.41±62.51 10.47±6.12 2.29 0.048氣管 0.89±0.02 0.91±0.04 -1.97 0.0803.52±1.553.12±1.25 0.67 0.51813.21±6.67 7.73±4.26 2.45 0.037 CTV 0.92±0.03 0.81±0.04 9.46 <0.001 10.29±7.51 59.34±68.26 -2.23 0.0535.50±3.69 16.55±13.94 -2.22 0.053

    表2 Model-ST與Model-AC脊髓自動勾畫結(jié)果評價(jià)指標(biāo)(±s)

    表2 Model-ST與Model-AC脊髓自動勾畫結(jié)果評價(jià)指標(biāo)(±s)

    器官DSCHD/mmRVD/%Model-ST Model-AC t值P值Model-STModel-ACt值P值Model-STModel-ACt值P值脊髓1 0.81±0.06 0.52±0.19 4.22 0.033 6.06±5.67 153.33±97.86 -4.70 0.010 21.67±18.49 59.12±22.28 -3.21 0.040脊髓2 0.81±0.06 0.87±0.03 -2.24 0.052 6.06±5.67 5.74±4.690.13 0.897 21.67±18.49 6.63±4.072.59 0.029

    2.3 自動勾畫斷層圖評估

    圖1 中a、b 分別展示了CTV、健側(cè)乳腺的勾畫效果。從CT 斷層圖上可以看到,CTV 自動勾畫與醫(yī)生手動勾畫相比,整體的輪廓相似度較高,但在一些不規(guī)則的層面,Model-ST 的自動勾畫輪廓重合度優(yōu)于Model-AC。健側(cè)乳腺的兩組自動勾畫從斷層圖中看不出明顯差異,在界限不清或腺體快消失的幾個(gè)層面的勾畫效果不甚理想。

    圖1 CTV和健側(cè)乳腺勾畫的CT斷層示例圖

    圖2 中a、b、c、d 分別展示了各OARs 的結(jié)構(gòu)勾畫:兩組自動勾畫在雙側(cè)肺、心臟的輪廓相似度很高,基本不需要手動修改;在肝臟的自動勾畫中,Model-AC 組的輪廓相似度高于Model-ST,兩組均在膽囊、肝門處需手動修改避開;Model-ST 組食管的勾畫在心臟后方、生理狹窄處易斷開。

    圖2 各OARs勾畫的CT斷層示例圖

    3 討論與總結(jié)

    精準(zhǔn)放療時(shí)代,CTV 和OARs 勾畫的精確性是放射治療的前提,是患者獲得最佳療效的根本保障[10]。此前,臨床應(yīng)用比較多的是基于圖譜庫的自動勾畫,其主要是通過形變配準(zhǔn)來實(shí)現(xiàn)的。Schipaanboord 等[11]認(rèn)為在精確圖譜庫選擇下的自動勾畫對部分OARs 能達(dá)到臨床應(yīng)用的期望,而對界限不清的乳腺組織、氣管、食管等OARs 則不能合理地完成自動勾畫。近幾年隨著人工智能的不斷發(fā)展,深度學(xué)習(xí)自動勾畫在放療領(lǐng)域引起了很高的關(guān)注度,關(guān)于自動勾畫的相關(guān)研究從基于圖譜庫的自動分割轉(zhuǎn)向了深度學(xué)習(xí)的自動分割[12]。AC 軟件自帶基于U-net 全卷積神經(jīng)網(wǎng)絡(luò),可通過深度學(xué)習(xí)進(jìn)行自動勾畫的平臺。近年來該軟件已陸續(xù)投入三級醫(yī)院使用,一些研究也在嘗試驗(yàn)證其自動勾畫的精準(zhǔn)度和準(zhǔn)確性。目前國內(nèi)關(guān)于該軟件研究較多的是頭頸部、胸部以及腹部OARs 的自動勾畫效果比較,尚未有基于個(gè)體化數(shù)據(jù)建模后應(yīng)用于臨床靶區(qū)自動勾畫的報(bào)道,且相關(guān)研究表明軟件自帶的模型在OARs 中具有一定的臨床應(yīng)用價(jià)值,但是對于食管、胃以及脊髓的自動勾畫效果不甚理想[13-15]。本研究通過比較Model-ST 與Model-AC 兩組模型的自動勾畫效果,探討基于臨床主任醫(yī)師手動勾畫“金標(biāo)準(zhǔn)”數(shù)據(jù)深度學(xué)習(xí)后得到的模型是否在臨床靶區(qū)及OARs 的勾畫效果方面有所提高,以便進(jìn)一步為臨床應(yīng)用提供參考。

    乳腺癌CTV 的勾畫受外科手術(shù)切口、乳房大小等個(gè)體差異影響較大,Men 等[16]的研究得到基于不同的深度學(xué)習(xí)網(wǎng)絡(luò)模型,乳腺癌靶區(qū)自動勾畫的DSC 值分別為0.85、0.88、0.91。本研究Model-ST 組得出的DSC 值為0.92,優(yōu)于其他研究結(jié)果,這可能是因?yàn)楦鞣暖熤行墓串嫲袇^(qū)習(xí)慣不同以及所基于的深度學(xué)習(xí)模型不同導(dǎo)致的。對比Model-AC 組DSC 值0.81,Model-ST 組CTV 的自動勾畫效果具有很好的輪廓一致性,結(jié)果表明基于本研究數(shù)據(jù)建立的自動分割模型在CTV 的自動勾畫效果上顯著優(yōu)于軟件原有的模型。

    Hofmanninger 等[17]研 究 得 到 肺 的DSC 值 為0.97,Tang 等[18]研究得到肝臟的DSC 值為0.98,本研究結(jié)果與其他研究者的結(jié)果基本相符。但食管的自動勾畫中,Model-AC 組明顯優(yōu)于Model-ST,如圖2d 所示,Model-ST食管勾畫在生理狹窄處有時(shí)會出現(xiàn)斷層或者勾畫偏差較大的現(xiàn)象,其原因可能有以下幾點(diǎn):① 食管個(gè)體差異較大,與周圍軟組織界限不清;② 食管解剖位置的移行;③ 訓(xùn)練集樣本量較小。Zhang 等[19]研究得到基于卷積神經(jīng)網(wǎng)絡(luò)的脊 髓DSC 值 為0.82,表2 脊 髓2 中Model-AC 的DSC 值0.87,高于Zhang 等[19]的研究結(jié)果。這表明軟件原有的模型在OARs 的自動勾畫中效果優(yōu)于基于本研究數(shù)據(jù)訓(xùn)練得到的模型。由于脊髓在整個(gè)影像中所占面積較少,自動分割中脊髓樣本與整個(gè)影像背景樣本不平衡,可能是脊髓勾畫結(jié)果中DSC 系數(shù)低于肺、肝臟的原因。

    綜上所述,AC 軟件對早期右側(cè)乳腺癌(T1-2N0M0 分期)保乳術(shù)后CTV 及OARs 的自動勾畫效果具有較高的準(zhǔn)確性和精度。其中,使用本研究數(shù)據(jù)形成的模型能更為準(zhǔn)確地實(shí)現(xiàn)CTV 的自動勾畫;而在OARs 的自動勾畫中,軟件原有的模型勾畫效果更好。臨床工作中選用合適的模型可以為早期乳腺癌患者的術(shù)后放療工作提供便利。此外,模型的自動分割性能取決于很多因素,本研究還存在一定的局限性可能導(dǎo)致建立的模型泛化能力弱:① 數(shù)據(jù)來源過于單一,缺少多樣性,未考慮到地區(qū)、民族等因素;② “金標(biāo)準(zhǔn)”的勾畫只依據(jù)一位臨床主任醫(yī)師標(biāo)注的結(jié)果,未考慮將不同醫(yī)師間的標(biāo)注差異達(dá)成統(tǒng)一;③ 在自動勾畫的結(jié)果應(yīng)用于臨床之前,需臨床醫(yī)生認(rèn)真檢查勾畫結(jié)果,以便及時(shí)對個(gè)體差異較大的特例進(jìn)行修改。

    猜你喜歡
    勾畫靶區(qū)脊髓
    邵焜琨:勾畫環(huán)保產(chǎn)業(yè)新生態(tài)
    人工3D脊髓能幫助癱瘓者重新行走?
    軍事文摘(2022年8期)2022-11-03 14:22:01
    放療中CT管電流值對放療胸部患者勾畫靶區(qū)的影響
    放療中小機(jī)頭角度對MLC及多靶區(qū)患者正常組織劑量的影響
    MRI影像與CT影像勾畫宮頸癌三維腔內(nèi)后裝放療靶區(qū)體積的比較
    姜黃素對脊髓損傷修復(fù)的研究進(jìn)展
    找一找
    我國反腐敗立法路線圖如何勾畫
    公民與法治(2016年8期)2016-05-17 04:11:30
    鼻咽癌三維適型調(diào)強(qiáng)放療靶區(qū)勾畫的研究進(jìn)展
    中西醫(yī)結(jié)合治療脊柱骨折合并脊髓損傷25例
    兴山县| 都兰县| 武平县| 封丘县| 乌拉特后旗| 抚远县| 武汉市| 阳泉市| 汤原县| 靖州| 泾川县| 镇坪县| 贵南县| 洞头县| 新源县| 天长市| 兰西县| 新余市| 中江县| 武威市| 家居| 沙雅县| 遂宁市| 德兴市| 望江县| 綦江县| 清流县| 永清县| 尼玛县| 宁德市| 金川县| 舟山市| 乐东| 东至县| 板桥市| 汝南县| 邳州市| 云龙县| 阳城县| 云阳县| 沙湾县|