儿童全骨髓全淋巴照射靶区和危及器官自动勾画.pdf
《儿童全骨髓全淋巴照射靶区和危及器官自动勾画.pdf》由会员分享,可在线阅读,更多相关《儿童全骨髓全淋巴照射靶区和危及器官自动勾画.pdf(6页珍藏版)》请在咨信网上搜索。
1、前 言放射治疗是恶性肿瘤常用的治疗手段之一,超过70%的恶性肿瘤患者需要接受放射治疗1,精确快速地勾画肿瘤靶区和危及器官(Organs at Risk,OARs)是实现精准放疗的前提和保障2。由医生手动进行肿瘤靶区和OARs勾画仍然是当前的标准做法,但这是一儿童全骨髓全淋巴照射靶区和危及器官自动勾画解治华1,2,路娜1,刘金锋3,侯立霞3,张富利11.解放军总医院第七医学中心放射治疗科,北京 100700;2.山东省肿瘤医院放射物理技术科,山东 济南 250000;3.山东第一医科大学(山东省医学科学院)放射学院,山东 泰安 271000【摘要】目的:基于AccuLearning自动勾画训练系
2、统探讨儿童全骨髓全淋巴照射(TMLI)靶区和危及器官自动勾画的可行性。方法:选取2018年至2022年期间30例接受TMLI照射的儿童患者进行研究。患者取仰卧位,采用飞利浦大孔径CT获取CT图像,对靶区和危及器官进行手动勾画和修改,将CT图像和勾画的靶区及危及器官轮廓传至AccuLearning系统,进行自动勾画模型的训练、验证和测试。对测试集中的6例TMLI患者自动勾画结果使用Dice相似性系数(DSC)、95%豪斯多夫距离和平均表面距离进行评估。结果:在6例测试集数据中,除晶体难以被自动勾画以外,其它各个靶区和危及器官中仅有1例患者的胃部DSC值为0.59,其余均大于0.70;6例患者胃的
3、平均DSC值为0.76,其余各器官平均DSC值均大于0.80。结论:通过该模型自动勾画的靶区和危及器官经简单修改后可满足临床计划设计要求。【关键词】儿童;放射治疗;全骨髓全淋巴照射;自动勾画【中图分类号】R318;R811.1【文献标志码】A【文章编号】1005-202X(2024)02-0163-06Auto-segmentation of target areas and organs-at-risk for total marrow and lymphoidirradiation in childrenXIE Zhihua1,2,LU Na1,LIU Jinfeng3,HOU Lixia
4、3,ZHANG Fuli11.Department of Radiotherapy,The Seventh Medical Center of the Chinese PLA General Hospital,Beijing 100700,China;2.Departmentof Radiophysical Technology,Shandong Tumor Hospital,Jinan 250000,China;3.School of Radiology,Shandong First Medical University(Shandong Academy of Medical Science
5、s),Taian 271000,ChinaAbstract:Objective To investigate the feasibility of AccuLearning system for the auto-segmentation of target areas andorgans-at-risk(OAR)for total marrow and lymphoid irradiation(TMLI)in children.Methods Thirty pediatric patients whounderwent TMLI since 2018 to 2022 were selecte
6、d.The patients were immobilized in the supine position,and their CTimages were acquired on the Philips Brilliance Big Bore CT scanner.After the target areas and OAR were manuallydelineated and modified,the CT images and manually delineated contours were imported into AccuLearning system fortraining,
7、validation,and testing of the auto-segmentation model.The auto-segmentation results in 6 TMLI patients in the testset were evaluated in terms of Dice similarity coefficient(DSC),95%Hausdorff distance and average surface distance.Results On the test set with 6 cases,except for the lens that was diffi
8、cult to be delineated automatically,the DSC values wasabove 0.70 for all other target areas and OAR,with only one patient having a DSC value of 0.59 for the stomach.The averageDSC value for the stomach in all 6 patients was 0.76,and the average DSC values for the other organs were above 0.80.Conclus
9、ion The target areas and OAR automatically delineated with the model can meet the requirements of clinicalplanning after simple modifications.Keywords:children;radiotherapy;total marrow and lymphatic irradiation;auto-segmentation【收稿日期】2023-10-19【作者简介】解治华,技师,研究方向:肿瘤放射治疗物理,E-mail:【通信作者】张富利,主任技师,研究方向:多
10、模态影像引导精确放疗、人工智能在肿瘤放射治疗中的应用,E-mail:DOI:10.3969/j.issn.1005-202X.2024.02.006第41卷第2期2024年 2月中国医学物理学杂志Chinese Journal of Medical PhysicsVol.41 No.2February 2024医学放射物理-163项耗时繁重的任务,一般至少需要花费有经验的医生30 min甚至更长的时间。即使有勾画指南,不同的医生也会有不同的勾画习惯,即使是同一名医生在不同时间也会形成不同的勾画结果,已有文献报道不同医生之间的勾画差异3。与手动勾画相比,自动勾画自提出以来已经显示出较大优势,包括
11、减轻医生的工作负担,缩短患者的等候时间,有助于改善肿瘤的治疗增益比4。目前广泛使用的自动勾画技术是基于深度学习(Deep Learning,DL)算法训练出来的自动勾画模型,其流程见图1。目前市场上已经有多款商用的基于DL的自动勾画软件,如Yorktal-CS软件、智能放疗 云 平 台(RACI.OIS)、Manteia、联 影、柏 视、Mirada5-9。白血病是儿童癌症中的高发疾病,利用基于螺旋断层放疗系统(TOMO)的全骨髓全淋巴照射(Total Marrow and Lymphoid Irradiation,TMLI)技术进行骨髓移植前的预处理工作已广泛应用于临床中10-11。国内目前
12、已有研究对TOMO应用于全骨髓照射的可行性进行探索12-13。对于TMLI自动勾画方面的最新研究是文献 14-15 进行的TMI自动勾画方法。本研究主要针对未成年患者 TMLI 的靶区和OARs,利用基于卷积神经网络(Convolutional NeuralNetwork,CNN)的深度学习机,训练适用于儿童TMLI的自动勾画算法模型,并对训练结果进行测试和评估,对其应用于临床的可行性进行研究。1 资料与方法1.1 数据集获取和预处理选取解放军总医院第七医学中心放疗科2018年至2022年期间接受TMLI治疗且年龄为18岁及以下的患者30例。其中,男22例,女8例;中位年龄9岁;4例患者仅照射
13、部分淋巴和骨髓,但仍然可以用来训练 OARs 的自动勾画模型。已有研究表明可使用AccuLearning进行小样本模型的训练,30例患者数据已经能够满足本研究的训练要求16。定位扫描使用飞利浦 Brilliance Big Bore CT 模拟定位机(Philips Healthcare,Best,the Netherlands)。患者定位时均采用头先进仰卧位,胸部以上用头颈肩一体热塑面罩固定,腹部盆腔用热塑膜固定,腿部使用真空垫进行固定。由于儿童身高的影响,部分患者进行扫描时可以直接从头部扫描至脚底,但有部分身高较高的患者仅扫描到膝盖部位,然后反转为脚先进仰卧位进行扫描。在FFS扫描的影像中
14、只包含腿部骨髓靶区,为了研究方便,本研究所定义的靶区只包括膝部以上的区域。获取的CT图像分辨率为512512,扫描层厚5 mm,层间距5 mm,扫描电压 120 kV。将采集的 CT 图像导入 Pinnacle3治疗计划 系 统(PhilipsRadiationOncologySystems,Madison,WI)进行手动勾画。本研究所定义的OARs包括:脑、脑干、心脏、肾脏、肝脏、肺、口腔、腮腺、胃、膀胱、晶状体、眼球。临床靶区(Clinical Target Volume,CTV)具体分为 3 个部分(图2):CTV1(股骨头、肱骨头和除四肢骨外的骨髓)、CTV2(膝部以上除 CTV1 外
15、的其他骨髓)、CTV3(淋巴引流区)。合并 3个部分 CTV并进行适当外放生成计划靶区(Planning Target Volume,PTV)用于后续治疗计划设计。勾画完毕后在临床患者原有信息的基础上按照统一勾画标准进行手动修改,再由多位经验丰富的临床医生进行审核确认,并以此作为基准值(Ground Truth,GT)。1.2 环境设置自动勾画模型的训练和验证使用 Manteia公司手动勾画CT影像数据分组训练集验证集测试集卷积神经网络(CNN)自动勾画模型CT影像输出自动勾画结果测试自动勾重模型的可用性可用自动勾面模型图1 自动勾画方法的流程示意图Figure 1 Auto-segmenta
16、tion flowchart图2 CTV(红色为CTV1、绿色为CTV2、紫红色为CTV3)Figure 2 Clinical target volume(CTV1 in red,CTV2 in green,CTV3 inpurple)中国医学物理学杂志第41卷-164(Manteia Technologies Co.,Ltd,Xiamen,China)研发的基于DL的影像自动勾画训练平台AccuLearning。该平台基于Windows10操作系统,处理器为Intel(R)Core(TM)i7-10700 CPU 2.90 GHz。AccuLearning能够进行小样本自动勾画算法模型的训练
17、,高精度小样本训练即可输出高精度模型,在训练过程中可以通过数据驱动更新模型参数,实现特征的自动提取,与传统的图像处理算法相比可获得更好的效果17。近年来,以U-Net及其变体为代表的CNN已广泛应用于医学图像自动勾画中,并取得良好的效果 18-23。AccuLearning基于的网络结构便是2D U-net,是典型的Encoder-Decoder结构(图3),中间为短接通道(Skip-connect),进行特征融合。inputimagetileconv1128128572572570570568568pool1conv2256 256conv3284228222822pool2pool3140
18、213821362682662642pool4322302282conv4512 512conv5542522conv610241024meger6meger7512562512 256104210221002conv7up6up7up8conv8meger8up9conv9meger9392392390390388388388388outputsegmentationmap200219821962256128128 64 64 264641conv 3x3,ReLUcopy and cropmax pool 22up-conv 22conv 11图3 2D U-Net网络结构Figure 3
19、 2D U-Net structure1.3 模型训练将 手 动 勾 画 完 成 的 患 者 数 据 传 输 到AccuLearning平台,在AccuLearning中,一组CT图像以及对应的轮廓文件(RT Structure)构成一个数据集。为了数据处理方便,保证模型训练的准确性,将感兴趣区域(Region of Interest,ROI)分为5组数据集进行训练:脑、脑干、口腔、肺(双侧)、心脏、肝脏、胃、膀胱,8个OARs放到同一训练数据集;左眼球、右眼球、左晶状体、右晶状体、左腮腺、右腮腺、左肾、右肾,8 个 OARs 放到同一训练数据集;CTV1、CTV2、CTV3各为一个训练集。随
20、机将30例患者数据按照20:4:6划分为训练集、验证集、测试集。训练集用于实际的模型训练;验证集用于对模型的参数进行调整,以及在训练过程中对训练效果进行检测;测试集用于对模型效果进行评价。结合经验与实际情况对训练参数进行设置,批量大小设置为16,学习率使用经验数值0.000 3,训练轮次为50次。模型训练结束后对测试集的 6例患者进行自动勾画,获得相应的RT structure文件。1.4 评价指标医生手动勾画的靶区和OARs作为GT值,采用Dice 相似性系数(Dice Similarity Coefficient,DSC)、95%豪斯多夫距离(95%Hausdorff Distance,H
21、D95)和平均表面距离(Average Surface Distance,ASD)3项指标定量评估模型自动勾画的效果。目前,AccuLearning 自动勾画平台仅提供 DSC一个评价指标,用于评价自动勾画与手动勾画之间的重合性。文献 24-25 指出 DSC 值大于 0.70时表明结构重复性较好,自动勾画的效果可以接受。虽然DSC值简洁明了,但不足以描述所有情况,因此补充了对距离敏感的 HD95 和 ASD 两个指标。HD95和ASD使用本研究机构自主开发的Python脚本进行计算,计算HD95和ASD时,像素之间的距离按照1 mm计算。HD用来评价自动勾画与手动勾画之间三维空间上的表面距离
22、。为了避免离群噪声点对评价结果产生影响,通常选取每个点集之间距离从小到大的前95%(HD95)的数据参与计算。HD95的值越小,表明自动勾画与手动勾画之间的交集越大,自动勾画越准确。HD95距离具有很强的容错能力和抗干扰能力,是对位置差异十分敏感的参数,如果图像重合度好,HD95值会很小,如果图像存在部分偏差,即使较小的偏差也会导致HD95值骤增至几十甚至上百,通常越大的区域HD95值也会相应越高26。因此HD95值的好坏并没有明确的标准值,只要HD95值不是异常大都可以认为重合度较好。ASD表示两个点集之间的平均距离,用两个点集之间的相互距离之和除以两个点集之间的总面积,用来衡量自动勾画图像
23、与手动勾画图像之间总体轮廓的偏移程度,第2期解治华,等.儿童全骨髓全淋巴照射靶区和危及器官自动勾画-165ASD越接近于0,说明自动勾画图像与手动勾画图像之间的形状总体偏移越小。2 结 果表 1列出除晶状体以外 OARs自动勾画效果的评价指标。测试集6例患者OARs自动勾画结果中,有 1例患者胃的 DSC值为 0.59,其余器官的 DSC值均大于0.70。表1中可以看出除胃以外其余各OARs的DSC值均大于0.80。通过检查测试集中各患者CT图像推断出,由于胃形状的个体差异较大导致胃部自动勾画结果相对较差,但仍在可接受范围之内。通过表1可发现体积较大的OARs的HD95数值相对较大,如膀胱(1
24、1.026.50)mm、肝脏(14.646.08)mm、肺(11.646.62)mm,但两指标的数值均在可接受范围之内,并未出现异常值。像眼球这种体积小的OAR的HD95和ASD的数值相对较小。膀胱是否充盈对于自动勾画结果并无明显影响,因此在定位时并未对膀胱充盈程度做任何要求。CT图像中部分充盈的膀胱可以分辨出边界,但由于儿童子宫或前列腺的发育并不成熟,并不能十分清晰地分辨出未充盈的膀胱与子宫或前列腺的边界。膀胱的DSC为0.820.06,临床上可以接受;HD95为(11.026.50)mm,无论是对于充盈的膀胱(体积大,边界清晰),还是未充盈的膀胱(体积小,边界不清晰),这个数值都是偏高的,
25、这会导致自动勾画的效果欠佳。表 2列出各个 CTV自动勾画的评价指标,均在临床可接受范围内。CTV2 勾画的结构相对简单,DSC 可以达到 0.900.04,HD95 为(5.993.63)mm,说明其自动勾画的重合性较好。对于CTV3来说其HD95为(12.752.91)mm,说明自动勾画的淋巴引流区在整体上会有一些位置上的偏差。虽然CTV1在评价参数中的表现较好,但在检查自动勾画结果时发现CTV1中的颅骨部分自动勾画结果并不理想,仍需人工干预修改。在CT图像中,垂体上方头骨呈环形,但大部分自动勾画仅能勾画出骨环的外轮廓,并不能勾画出骨环的内轮廓(图4),这可能会导致DSC值偏低。后期经过多
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 儿童 骨髓 淋巴 照射 危及 器官 自动 勾画
1、咨信平台为文档C2C交易模式,即用户上传的文档直接被用户下载,收益归上传人(含作者)所有;本站仅是提供信息存储空间和展示预览,仅对用户上传内容的表现方式做保护处理,对上载内容不做任何修改或编辑。所展示的作品文档包括内容和图片全部来源于网络用户和作者上传投稿,我们不确定上传用户享有完全著作权,根据《信息网络传播权保护条例》,如果侵犯了您的版权、权益或隐私,请联系我们,核实后会尽快下架及时删除,并可随时和客服了解处理情况,尊重保护知识产权我们共同努力。
2、文档的总页数、文档格式和文档大小以系统显示为准(内容中显示的页数不一定正确),网站客服只以系统显示的页数、文件格式、文档大小作为仲裁依据,平台无法对文档的真实性、完整性、权威性、准确性、专业性及其观点立场做任何保证或承诺,下载前须认真查看,确认无误后再购买,务必慎重购买;若有违法违纪将进行移交司法处理,若涉侵权平台将进行基本处罚并下架。
3、本站所有内容均由用户上传,付费前请自行鉴别,如您付费,意味着您已接受本站规则且自行承担风险,本站不进行额外附加服务,虚拟产品一经售出概不退款(未进行购买下载可退充值款),文档一经付费(服务费)、不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
4、如你看到网页展示的文档有www.zixin.com.cn水印,是因预览和防盗链等技术需要对页面进行转换压缩成图而已,我们并不对上传的文档进行任何编辑或修改,文档下载后都不会有水印标识(原文档上传前个别存留的除外),下载后原文更清晰;试题试卷类文档,如果标题没有明确说明有答案则都视为没有答案,请知晓;PPT和DOC文档可被视为“模板”,允许上传人保留章节、目录结构的情况下删减部份的内容;PDF文档不管是原文档转换或图片扫描而得,本站不作要求视为允许,下载前自行私信或留言给上传者【自信****多点】。
5、本文档所展示的图片、画像、字体、音乐的版权可能需版权方额外授权,请谨慎使用;网站提供的党政主题相关内容(国旗、国徽、党徽--等)目的在于配合国家政策宣传,仅限个人学习分享使用,禁止用于任何广告和商用目的。
6、文档遇到问题,请及时私信或留言给本站上传会员【自信****多点】,需本站解决可联系【 微信客服】、【 QQ客服】,若有其他问题请点击或扫码反馈【 服务填表】;文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“【 版权申诉】”(推荐),意见反馈和侵权处理邮箱:1219186828@qq.com;也可以拔打客服电话:4008-655-100;投诉/维权电话:4009-655-100。