[1]汪志,常艳奎,吴昊天,等.基于深度学习的危及器官自动勾画软件系统DeepViewer在放疗中的应用及评估[J].中国医学物理学杂志,2020,37(8):1071-1075.[doi:DOI:10.3969/j.issn.1005-202X.2020.08.025]
　WANG Zhi,CHANG Yankui,et al.Application and evaluation of deep learning-based DeepViewer system for automatic segmentation of organs-at-risk[J].Chinese Journal of Medical Physics,2020,37(8):1071-1075.[doi:DOI:10.3969/j.issn.1005-202X.2020.08.025]
点击复制

基于深度学习的危及器官自动勾画软件系统DeepViewer在放疗中的应用及评估()
分享到：

《中国医学物理学杂志》[ISSN:1005-202X/CN:44-1351/R]

卷:
37
期数:
2020年第8期
页码:
1071-1075
栏目:
医学人工智能
出版日期:
2020-08-27

文章信息/Info

Title:
Application and evaluation of deep learning-based DeepViewer system for automatic segmentation of organs-at-risk
文章编号:
1005-202X（2020）08-1071-05
作者:
汪志1; 2; 常艳奎1; 吴昊天3; 张键3; 徐榭1; 裴曦1; 3
1.中国科学技术大学放射医学物理中心， 安徽 合肥 230025；2.安徽医科大学第一附属医院肿瘤放疗科， 安徽 合肥 230022；3.安徽慧软科技有限公司， 安徽 合肥 230088
Author(s):
WANG Zhi 1;  2;  CHANG Yankui1;  WU Haotian 3;  ZHANG Jian 3;  XU Xie1;  PEI Xi 1;  3
1. Center of Radiological Medical Physics, University of Science and Technology of China, Hefei 230025, China 2. Department of Radiation Oncology, the First Affiliated Hospital of Anhui Medical University, Hefei 230022, China 3. Anhui Wisdom Technology Co., Ltd., Hefei 230088, China
关键词:
深度学习; 危及器官; 自动勾画; 放射治疗
Keywords:
Keywords: deep learning organ-at-risk automatic segmentation radiotherapy
分类号:
R318；R815
DOI:
DOI:10.3969/j.issn.1005-202X.2020.08.025
文献标志码:
A
摘要:
目的：将一款基于深度学习的危及器官自动勾画软件系统DeepViewer应用于临床，实现自动勾画肿瘤患者治疗计划中危及器官的功能。方法：DeepViewer使用改进后的全卷积神经网络U-Net来实现自动勾画患者CT扫描部位所包含的危及器官，并使用Dice相似性系数（DSC）对比分析这22种危及器官自动勾画与手动勾画的差异。结果：11种危及器官DSC平均值在0.9以上，5种危及器官DSC平均值为0.8~0.9，5种器官DSC平均值为0.7~0.8，视交叉DSC平均值最低，为0.676。总体结果表明DeepViewer系统能够较准确地自动勾画出危及器官，特别是左、右肺、膀胱、脑干等器官，已基本满足临床需求。结论：DeepViewer软件系统可以实现放疗肿瘤患者危及器官的自动勾画，准确性较高。同时，DeepViewer系统勾画完毕后，可以通过网络系统自动传输RTStructure DICOM3.0文件，无需其他操作，能极大地提高临床医生工作效率，降低治疗计划流程中的勾画总时间。
Abstract:
Abstract: Objective To realize the automatic segmentation of organs-at-risk (OAR) by DeepViewer system which was an automatic OAR segmentation software based on deep learning. Methods The OAR in CT images was automatically segmented by DeepViewer system via improved U-Net convolutional neural network. Dice similarity coefficient (DSC) was used to compare the differences between the automatic segmentations and manual segmentations of 22 OAR. Results There were 11 OAR with an average DSC above 0.9, 5 OAR with an average DSC of 0.8-0.9, and 5 OAR with an average DSC of 0.7-0.8. The mean DSC of optic chiasma was the lowest (0.676). The overall results showed that DeepViewer system could be used to realize the automatic segmentation of OAR, especially left lung, right lung, bladder, brain stem and so on, which basically met the clinical requirements. Conclusion DeepViewer system can be used to automatically segment OAR in tumor patients, with a high accuracy. Meanwhile, RTStructure DICOM3.0 files can be transmitted automatically through the network after the segmentation by DeepViewer, thus greatly facilitating the workflow of clinicians and shortening the total segmentation time in treatment planning.

相似文献/References:

[1]蒋晓芹,段宝风,艾平,等.基于图谱库的自动轮廓勾画软件(ABAS)在鼻咽癌调强放疗中的应用[J].中国医学物理学杂志,2013,30(02):3997.[doi:10.3969/j.issn.1005-202X.2013.02.008]
[2]倪千喜,唐迪红,张九堂,等.妇科肿瘤后装逆向调强放射治疗的剂量学和疗效研究[J].中国医学物理学杂志,2013,30(06):4487.[doi:10.3969/j.issn.1005-202X.2013.06.005]
[3]张艺宝,吴昊,李莎,等.临床前验证与几何对比分析基于图谱库的危及器官自动勾画[J].中国医学物理学杂志,2015,32(06):761.[doi:doi:10.3969/j.issn.1005-202X.2015.06.001]
　[J].Chinese Journal of Medical Physics,2015,32(8):761.[doi:doi:10.3969/j.issn.1005-202X.2015.06.001]
[4]叶柳清,洪文松,黎静,等.不同图像灰度-密度校准曲线对螺旋断层放疗系统剂量计算的影响[J].中国医学物理学杂志,2016,33(5):505.[doi:10.3969/j.issn.1005-202X.2016.05.015]
　[J].Chinese Journal of Medical Physics,2016,33(8):505.[doi:10.3969/j.issn.1005-202X.2016.05.015]
[5]吴昊,蒋璠,岳海振,等.瓦里安RapidPlan模型训练中统计离群值的处理及其剂量学影响[J].中国医学物理学杂志,2016,33(7):649.[doi:10.3969/j.issn.1005-202X.2016.07.001]
　[J].Chinese Journal of Medical Physics,2016,33(8):649.[doi:10.3969/j.issn.1005-202X.2016.07.001]
[6]王贝,全红,邱杰,等. 容积旋转调强技术用于直肠癌时最佳机架角度设置研究[J].中国医学物理学杂志,2016,33(9):898.[doi:10.3969/j.issn.1005-202X.2016.09.006]
　[J].Chinese Journal of Medical Physics,2016,33(8):898.[doi:10.3969/j.issn.1005-202X.2016.09.006]
[7]曹洋森,于春山,孙永健,等.Monaco两种优化模式在前列腺癌容积旋转调强中的剂量学比较[J].中国医学物理学杂志,2016,33(11):1126.[doi:10.3969/j.issn.1005-202X.2016.11.009]
　[J].Chinese Journal of Medical Physics,2016,33(8):1126.[doi:10.3969/j.issn.1005-202X.2016.11.009]
[8]陶源,王佳飞,杜俊龙,等.基于卷积神经网络的细胞识别[J].中国医学物理学杂志,2017,34(1):53.[doi:10.3969/j.issn.1005-202X.2017.01.011]
　[J].Chinese Journal of Medical Physics,2017,34(8):53.[doi:10.3969/j.issn.1005-202X.2017.01.011]
[9]戴相昆,曲宝林,杜乐辉,等.断层径照技术在非小细胞肺癌放疗中的应用[J].中国医学物理学杂志,2017,34(2):126.[doi:10.3969/j.issn.1005-202X.2017.02.004]
　Application of Tomo Direct in the radiotherapy of non-small cell lung cancer[J].Chinese Journal of Medical Physics,2017,34(8):126.[doi:10.3969/j.issn.1005-202X.2017.02.004]
[10]张富利,许卫东,蒋华勇,等.不同类型多叶准直器对左侧乳腺癌保乳术后容积旋转调强放疗技术剂量分布的影响[J].中国医学物理学杂志,2017,34(7):726.[doi:10.3969/j.issn.1005-202X.2017.07.015]
　[J].Chinese Journal of Medical Physics,2017,34(8):726.[doi:10.3969/j.issn.1005-202X.2017.07.015]
[11]张富利,崔德琪,王秋生,等.基于深度学习和图谱库方法自动勾画肿瘤放疗中危及器官的比较[J].中国医学物理学杂志,2019,36(12):1486.[doi:DOI:10.3969/j.issn.1005-202X.2019.12.024]
　ZHANG Fuli,CUI Deqi,WANG Qiusheng,et al.Comparative study of deep learning- versus Atlas-based auto-segmentation of organs-at-risk in tumor radiotherapy[J].Chinese Journal of Medical Physics,2019,36(8):1486.[doi:DOI:10.3969/j.issn.1005-202X.2019.12.024]
[12]秦楠楠,薛旭东,吴爱林,等.基于U-net卷积神经网络的宫颈癌临床靶区和危及器官自动勾画的研究[J].中国医学物理学杂志,2020,37(4):524.[doi:DOI:10.3969/j.issn.1005-202X.2020.04.023]
　QIN Nannan,XUE Xudong,WU Ailin,et al.Automatic segmentation of clinical target volumes and organs-at-risk in radiotherapy for cervical cancer using U-net convolutional neural network[J].Chinese Journal of Medical Physics,2020,37(8):524.[doi:DOI:10.3969/j.issn.1005-202X.2020.04.023]
[13]张富利,杨安宁,路娜,等.基于FC_DenseNet深度学习网络自动分割肺癌放疗中的危及器官[J].中国医学物理学杂志,2021,38(2):259.[doi:DOI:10.3969/j.issn.1005-202X.2021.02.024]
　ZHANG Fuli,YANG Anning,LU Na,et al.FC_Densenet-based autosegmentation of organs-at-risk in lung cancer radiotherapy[J].Chinese Journal of Medical Physics,2021,38(8):259.[doi:DOI:10.3969/j.issn.1005-202X.2021.02.024]
[14]宋威,鹿红,马珺,等.金属伪影对鼻咽癌放疗危及器官自动勾画的影响[J].中国医学物理学杂志,2021,38(10):1185.[doi:DOI:10.3969/j.issn.1005-202X.2021.10.001]
　SONG Wei,LU Hong,MA Jun,et al.Effects of metal artifacts on automatic segmentation of organs-at-risk in patients receiving radiotherapy for nasopharyngeal carcinoma[J].Chinese Journal of Medical Physics,2021,38(8):1185.[doi:DOI:10.3969/j.issn.1005-202X.2021.10.001]
[15]吴传锋,金鑫妍,白司悦,等.基于U-Net结合改进算法对放疗危及器官自动勾画研究[J].中国医学物理学杂志,2023,40(3):303.[doi:DOI:10.3969/j.issn.1005-202X.2023.03.008]
　WU Chuanfeng,JIN Xinyan,BAI Siyue,et al.Auto-segmentation of organs-at-risk for radiotherapy using U-Net combined with improved algorithms[J].Chinese Journal of Medical Physics,2023,40(8):303.[doi:DOI:10.3969/j.issn.1005-202X.2023.03.008]

备注/Memo

备注/Memo:
【收稿日期】2020-03-18 【基金项目】国家重点研发计划（2017YFC0107500）；安徽省自然科学基金（1908085MA27）；国家自然科学基金（11575180）；安徽省重点研究与开发计划（1804a09020039） 【作者简介】汪志，在读博士，高级工程师，研究方向：医学物理，E-mail: wang_zhi81@163.com 【通信作者】裴曦，博士，副研究员，研究方向：医学物理，E-mail:xpei@ustc.edu.cn
更新日期/Last Update: 2020-08-27