基于深度学习的直肠癌放疗危及器官自动勾画的几何学和剂量学评估

基于几何学和剂量学指标评估基于深度学习的危及器官（Organs at risk, OARs）自动勾画的临床适用性，选取在复旦大学附属肿瘤医院接受放射治疗的35例直肠癌患者，采用自主开发的深度学习系统实现OARs自动勾画。以医生手动勾画的OARs作为参考，自动勾画的几何学评估指标包括戴斯相似系数（DSC）、雅卡尔相似系数（JSC）、豪斯多夫距离（HD），平均一致性距离（MDA）。对于每个病例，基于自动勾画的OARs设计治疗计划，计划优化和评估过程与临床程序保持一致，记为Plan＿FD。比较Plan＿FD与原始临床治疗计划（记为Plan＿Treat），以剂量体积参数和三维γ分析评估剂量学差异。自动勾画与手动勾画的OARs不仅在三维空间上高度重叠（DSC平均值大于0.85），且在边缘细节上匹配度良好（MDA的平均值小于2.8 mm）。剂量学评估仅膀胱剂量（V30、V40、Dmean）有显著统计学差异（p<0.05），其余OARs和靶区的剂量体积参数差异均无统计学意义。Plan＿FD与Plan＿Treat进行3 mm/3%标准的三维γ分析，γ≤1.0的点占比为（91.63±6.27）%。...

Geometric and dosimetric evaluation of deep learning-based organs at risk auto-segmentation for rectal cancer