典型文献
基于混合注意力U-net全脑全脊髓临床靶区自动勾画
文献摘要：
目的:在U-net卷积神经网络基础上设计出混合注意力U-net (HA-U-net)网络用于全脑全脊髓临床靶体积(CTV)自动勾画，并与U-net自动分割模型分割结果进行比较。方法:研究回顾了110例全脑全脊髓患者数据，选择80例用于训练集，10例用于验证集，20例作为测试集。HA-U-net以U-net为基准网络，在U-net网络输入端加入双注意力模块，同时在跳跃连接中加入注意力门模块来建立全脑全脊髓CTV自动勾画网络模型。评估参数为戴斯相似性系数、豪斯多夫距离和精确率。结果:HA-U-net网络得到戴斯相似性系数为0.901±0.041，豪斯多夫距离为(2.77±0.29) mm，精确率为0.903±0.038，结果均优于U-net网络分割结果(均
P<0.05)。
结论:HA-U-net卷积神经网络可以有效提升全脑全脊髓CTV自动分割的精度，有助于医生提高工作效率与勾画一致性。
文献关键词：
深度学习;卷积神经网络;自动分割;全脑全脊髓临床靶体积
中图分类号：
作者姓名：
李红伟;倪春霞;陈淑;孟歌;胡小洋;汪洋
作者机构：
上海伽玛医院放疗科，上海 200235;复旦大学附属华山医院放射治疗中心，上海 200052
文献出处：
引用格式：
[1]李红伟;倪春霞;陈淑;孟歌;胡小洋;汪洋-.基于混合注意力U-net全脑全脊髓临床靶区自动勾画)[J].中华放射肿瘤学杂志,2022(03):266-271
A类：
全脑全脊髓临床靶体积
B类：
混合注意力,net,临床靶区,自动勾画,网络基础,HA,CTV,自动分割模型,模型分割,研究回顾,患者数据,训练集,验证集,测试集,基准网络,双注意力模块,跳跃连接,注意力门,门模块,评估参数,相似性系数,豪斯多夫距离,精确率,提高工作效率
AB值：
0.232854
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。
