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