在放射治疗中，需要在 CT 和 MRI 等医学图像上勾勒出肿瘤区域和正常器官，以便评估每个器官的剂量分布。为了缩短轮廓时间，临床实践中对自动轮廓工具的需求越来越大，特别是对使用人工智能（AI）技术自动识别肿瘤和器官的系统的期望越来越高。
在河原大辅助理教授、广岛大学特聘副教授小泽修一、永田康史教授等和日本临床肿瘤学组（JCOG）医学物理工作组成员西尾贞治教授的研究组中，一种新型自动使用人工智能技术的方法 开发了轮廓系统，逐步网络。 Step-wise net 利用深度学习技术进行两步学习，提取头部和颈部多个器官的轮廓。 在第一阶段，提取要描绘的器官周围的区域，在第二阶段，在提取的区域中以高精度创建器官的轮廓。
在评估 Step-wise net 的轮廓创建精度时，Step-wise net 在所有器官中的精度都高于现有的不使用 AI 的自动轮廓提取系统（Atlas 方法，这是一种市售工具）。场地。此外，与使用 AI 的传统方法（U-net）相比，Step-wise net 在所有器官中的准确性更高。
Step-wise net 不仅会显着提高轮廓精度，而且还将轮廓时间减少到常规时间的十分之一以下，有望为医疗现场作业的提高和效率做出贡献。
此外，由于 Step-wise net 的自动轮廓不会像手动轮廓那样导致设施之间的差异，即使在临床试验中，需要根据统一规则在每个设施中执行相同质量的轮廓，这本书。预计将使用该工具。
纸张信息：【Computers in Biology and Medicine】逐步深度神经网络（stepwise-net）用于CT图像上的头颈部自动分割
