基于Dense V-Network神经网络的女性肠道自动分割研究

Chinese Journal of Radiation Oncology(2020)

Cited 0|Views6
No score
Abstract
目的:用精准自动勾画女性肠道器官的Dense V-Network模型对宫颈癌患者进行训练并评估。方法:将Dense Net与V-Net2个网络模型进行融合,形成一种用于三维CT图像自动分割的Dense V-Network算法。160例宫颈癌患者CT数据被随机分为训练集130例用于调整模型参数,测试集30例用于评估自动分割效果。采用戴斯相似性系数(DSC)等8个参数定量评估分割效果。结果:小肠DSC、杰卡德距离、体积差异性系数、敏感性指数、包容性指数、豪斯多夫距离、轮廓平均差异、质心偏差分别为0.86±0.03、0.25±0.04、0.10±0.07、0.88±0.05、0.85±0.05、(2.98±0.61) cm、(2.40±0.45) mm、(4.13±1.74) mm,结果优于单一算法(均 P<0.05)。 结论:Dense V-Network算法可较为准确地分割肠道器官,医生修改审查简单易行,可用于临床。
More
Translated text
Key words
Deep learning,Convolutional neural net,Automatic segmentation,Female pelvis,Bowel
AI Read Science
Must-Reading Tree
Example
Generate MRT to find the research sequence of this paper
Chat Paper
Summary is being generated by the instructions you defined