目的:随着人工智能的发展,深度学习在放疗肿瘤靶体积自动勾画中的应用日益受到关注。由于 T3~4 期鼻咽癌的肿瘤表型变异性较大,并且在 CT 图像上表现为较低的软组织对比度,从而导致勾画肿瘤靶体积的信心受限。本研究基于多模态图像深度学习对 T3~4 期鼻咽癌大体肿瘤体积(gross tumor volume ofnasopharymgeal careinoma,GTVnx)进行自动勾画,以期提高靶区勾画的精度和效率。
方法:回顾性收集 T3~4 期鼻咽癌患者的 CT、MRI(脂肪抑制 T2 加权和增强 T1 加权)和 PET-CT 图像。将多模态图像输人 Multi-Encoder U-net 进行多组模型训练和测试。采用 dice 相似系数(dice similarity coefficient,DSC)和 HD95 定量分析 GTVnx 的自动勾画结果。
结果:对比不同策略模块的试验结果,显示 ‘Cross-Y’ S Net 多模态图像深度学习网络自动勾画测试结果最佳,DSC 为 0.665+0.045,HD95 为 5.17+3.34。
结论:基于多模态图像 CT、MRI 和 PET-CT 提供的优势互补信息进行深度学习,在定位 CT 图像上完成鼻咽癌放疗肿瘤靶体积的自动勾画,有望提高靶区勾画的精度和效率,增强临床应用的信心。随着人工智能和影像学技术的不断发展,未来会更好地适应肿瘤放疗的需求。