基于3D深度殘差全卷積網(wǎng)絡(luò)的頭頸CT放療危及器官自動勾畫

摘要：頭頸部腫瘤放射治療危及器官的準(zhǔn)確勾畫是放療計劃的關(guān)鍵步驟,然而頭頸部放療危及器官的精確分割挑戰(zhàn)性很大,目前臨床醫(yī)生手動勾畫危及器官非常繁瑣、耗時且缺乏一致性。提出基于3D深度殘差全卷積網(wǎng)絡(luò)的頭頸部腫瘤放療危及器官自動分割方法,通過改進(jìn)的V-Net網(wǎng)絡(luò)分割模型,有效地結(jié)合危及器官CT影像的深層特征和淺層特征,同時根據(jù)特別設(shè)計的端到端監(jiān)督學(xué)習(xí)確定危及器官分割模型參數(shù)。為了解決小器官類分布極不平衡問題,提出利用器官位置先驗約束采樣區(qū)域與隨機(jī)采樣相結(jié)合的訓(xùn)練樣本選擇策略,同時采用Dice損失函數(shù)對網(wǎng)絡(luò)進(jìn)行訓(xùn)練。該策略不僅可加速訓(xùn)練過程,提升分割性能,而且可保證小器官的分割準(zhǔn)確率。該方法在2015年MICCAI頭頸自動分割挑戰(zhàn)賽數(shù)據(jù)集PDDCA上驗證,各器官分割的Dice系數(shù)平均值分別為:頜下骨0.945、左腮腺0.884、右腮腺0.882、腦干0.863、左頜下腺0.825、右頜下腺0.842、左視神經(jīng)0.807、右視神經(jīng)0.847、視交叉0.583。大多數(shù)器官的95%Hausdorff距離小于3 mm,所有器官的勾畫平均距離均小于1.2 mm。實驗結(jié)果表明,該方法在除腦干以外的危及器官分割中性能比其他對比方法更優(yōu)。