SE-Res Block U 型卷积神经网络应用于乳腺癌临床靶区与危及器官自动分割的研究

广东省中医院放射治疗区 （广东 广州 510006）

内容提要：目的：实现引入SE-Res Block的U型卷积神经网络，探讨其应用于放疗中乳腺癌临床靶区与危及器官自动分割的可行性。方法：在传统U型网络的基础上引入SE-Res Block，以482例乳腺癌保乳术后（临床靶区中包含锁骨上颈部预防照射的靶区和需要照射腋窝的靶区不入组）进行调强放射治疗的乳腺癌患者的CT图像及结构信息作为研究对象。自动分割的对象包括：临床靶区、心脏、左右肺以及脊髓。左右乳独立训练、测试、评估。采用戴斯相似系数（DSC）和豪斯多夫距离（HD）来评价分割效果。结果：临床靶区自动分割的DSC与HD平均值为：0.805与9.295mm。四种危及器官自动分割的DSC与HD的平均值为0.92与4.62mm。结论：文中引入SE-Res Block的U型卷积神经网络可以较为准确地自动分割乳腺癌临床靶区与危及器官，但该算法模型对微小体积的图像分割预测表现不佳；在样本量小的情况下，对于强烈依赖主观经验的临床靶区预测结果有待进一步提高。

放射治疗要求精准、个性化的放射治疗计划以确保肿瘤靶区在受到均匀足量照射的同时，靶区周围的危及器官和正常组织可以得到充分的保护。临床靶区（clinical target volume，CTV）与危及器官（organ at risk，OARs）的正确勾画分割是确保治疗成功的前提。通常情况下，CTV与OAR的勾画分割都是临床医生通过CT与MR、手术记录、病理报告等基于个人经验手动实现的。这种人工分割的主要缺点在于：耗时大，对个人经验和主观判断依赖严重。不同的临床医生对于同一病历的分割结果有可能存在较大差异[1,2]。……