2021-01-22 15:01:04
02、近日，医学图像自动分割小组的成员汪志在国际知名期刊JACMP上发表了SCI论文。该论文“Evaluation of deep learning-based auto-segmentation algorithms for delineating clinical target volume and organs at risk involving data for 125 cervical cancer patients”首次将人工智能和实习医生的学习能力进行了比较，证明了人工智能自动勾画模型在临床应用中的可行性。如图1所示，本次研究使用的网络模型是在传统的3D U-Net的基础上添加了深度监督和残差模块，使得模型的效果有所提升。本研究选取了125例宫颈癌患者，由资深医生A勾画临床靶区（CTV）和危及器官。其中100例患者数据用于自动勾画模型的训练，25例患者数据用于自动勾画模型的预测精度测试。为了比较自动勾画模型和实习医生的学习能力，跟着资深医生A学习8个月的实习医生B对CTV和危及器官独立进行了手动勾画，最后以资深医生A的手动勾画轮廓为“金标准”，比较自动勾画模型和实习医生的勾画精度，具体流程如图2所示
图1
图2
03、结果显示，自动勾画模型在CTV、左右股骨头、膀胱、小肠的预测上优于实习医生，在直肠的勾画上与实习医生的精度相当。以上结果表明，基于人工智能的自动勾画可以达到和实习医生相当的精度，能够提高临床勾画的一致性。该论文中使用的自动勾画模型已经集成到商用自动勾画软件DeepViewer中，使得DeepViewer能够更好的服务于临床。
