典型文献
基于融合卷积神经网络的术后宫颈癌靶区及危及器官自动勾画
文献摘要：
基于CT图像的器官分割对于放疗治疗计划至关重要,制定放射治疗计划前需要对危及器官和靶区进行勾画,这既费力又费时,该研究提出了一种基于融合卷积神经网络的全自动分割方法来提高医生勾画危及器官和靶区的工作效率.选取170例术后宫颈癌IB期和IIA期患者的CT图像进行膀胱、直肠、左右股骨头和肿瘤靶区(CTV)的网络训练和自动勾画,并利用神经网络对靶区周围易于分辨的血管进行定位,实现对CTV更精准的勾画.
文献关键词：
深度学习;融合神经网络;自动勾画;宫颈癌;放射治疗
中图分类号：
作者姓名：
周瑾;杨微;谷珊珊;全红;刘杰;鞠忠建
作者机构：
武汉大学 物理科学与技术学院,武汉市,430072;中国人民解放军总医院第一医学中心 放疗科,北京市,100853;北京东方瑞云科技有限公司,北京市, 100020
文献出处：
引用格式：
[1]周瑾;杨微;谷珊珊;全红;刘杰;鞠忠建-.基于融合卷积神经网络的术后宫颈癌靶区及危及器官自动勾画)[J].中国医疗器械杂志,2022(02):132-136
A类：
B类：
融合卷积神经网络,后宫,宫颈癌,危及器官,自动勾画,放疗治疗,治疗计划,放射治疗,费力,费时,自动分割方法,高医,IB,IIA,膀胱,股骨头,肿瘤靶区,CTV,网络训练,对靶,融合神经网络
AB值：
0.309293
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
