基于深度学习的正常组织自动勾画在计划设计中的剂量准确度评估

摘要

目的 评估头颈部正常组织自动勾画框架Ua-Net直接应用于放疗计划设计中的剂量准确度,测试其直接应用于临床工作的可行性和安全性.方法 回顾性选取30例鼻咽癌患者,对每一名患者手动勾画28个危及器官,并同时使用Ua-Net进行自动勾画,以Dice相似度指数(Dice Similarity Coefficient,DSC)评估自动勾画准确度.使用自动勾画的危及器官设计放疗计划,并将该剂量分布投射到手动勾画的正常组织上,评估在相同剂量分布下自动勾画和手动勾画危及器官的剂量差异.结果 17个危及器官的平均DSC>0.8,在总共840个危及器官中只有28个剂量差异>5 Gy.结论 将Ua-Net自动勾画结果直接应用于计划设计总体剂量准确,但是对部分小体积器官如垂体、视交叉、视神经等仍需人工审核.