典型文献
基于深度学习多模态风格迁移技术CBCT图像肺癌靶区自动分割方法研究
文献摘要：
目的:针对CBCT图像中肿瘤与周围组织对比度低的缺点，研究一种适合于CBCT图像中中心型肺癌的自动分割方法。方法:收集221例中心型肺癌患者，其中176例行CT定位，45例行强化CT定位。将强化CT图像分别设置为肺窗和纵隔窗，并与首次CBCT验证图像进行弹性配准获得配对数据集；然后将配对数据集传入cycleGAN网络进行风格迁移，使得CBCT图像可分别转化为肺窗和纵隔窗下的"强化CT"；最后经风格迁移后的图像被载入UNET-attention网络对大体肿瘤体积进行深度学习。通过戴斯相似性系数(DSC)、豪斯多夫距离(HD)和受试者工作特征曲线下面积(AUC)对分割结果进行评价。结果:经风格迁移后肿瘤与周围组织对比度明显增强，采用cycleGAN+UNET-attention网络的DSC值为0.78±0.05，HD值为9.22±3.42，AUC值为0.864。结论:采用cycleGAN+UNET-attention网络可有效对CBCT图像中中心型肺癌进行自动分割。
文献关键词：
深度学习;风格迁移;靶区自动分割;肺癌
中图分类号：
作者姓名：
陈杰;王克强;简建波;王鹏;郭志超;张文学
作者机构：
天津医科大学总医院放疗科，天津 300052
文献出处：
引用格式：
[1]陈杰;王克强;简建波;王鹏;郭志超;张文学-.基于深度学习多模态风格迁移技术CBCT图像肺癌靶区自动分割方法研究)[J].中华放射肿瘤学杂志,2022(01):43-48
A类：
靶区自动分割,cycleGAN,UNET,cycleGAN+UNET
B类：
风格迁移,迁移技术,CBCT,自动分割方法,周围组织,对比度,肺癌患者,纵隔,验证图像,配准,传入,载入,attention,大体肿瘤体积,相似性系数,DSC,豪斯多夫距离,HD,受试者工作特征曲线,特征曲线下面积,明显增强
AB值：
0.228113
相似文献
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。
