典型文献
基于生成对抗网络的鼻咽癌靶区自动勾画研究
文献摘要：
目的:评估基于一种深度学习网络模型2D-PE-GAN的鼻咽癌靶区自动勾画模型，对靶区勾画的工作效率的提高作用。方法:模型采用生成对抗网络的架构，生成器采用UNet相似结构，并在生成器的每一层卷积操作后添加2D-PE-block，提升勾画准确度。实验数据使用130例鼻咽癌CT图像，模型训练前对图像进行预处理，通过对比UNet、GAN，以及添加注意力机制的GAN三种模型，使用Dice系数、豪斯多夫距离、准确率、马修斯相关系数、杰卡德距离，说明提出模型的有效性。结果:相比于UNet、GAN、加入注意力机制的GAN，2D-PE-GAN网络分割CTV的Dice系数平均值提高了26%、4%、2%，分割GTV的Dice系数平均值提高21%、4%、2%。相比于加入注意力机制的GAN，2D-PE-GAN的参数和时间分别减少了0.16%、18%。结论:与UNet、GAN、加入注意力机制的GAN三种模型相比，2D-PE-GAN用于鼻咽癌靶区勾画，分割准确度均有所提升，同时，与提出原因相似的注意力机制相比，使用2D-PE-GAN在分割准确度相差不大的情况下，能减少计算资源的占用。
文献关键词：
深度学习;鼻咽肿瘤;靶区;自动勾画
中图分类号：
作者姓名：
王菲;任才俊;周解平;陶振超;陈欢欢;钱立庭
作者机构：
中国科学技术大学生命科学与医学部附属第一医院，合肥 230000;中国科学技术大学计算机科学与技术学院，合肥 230000;中国科学技术大学生命科学与医学部附属第一医院放疗科，合肥 230000
文献出处：
引用格式：
[1]王菲;任才俊;周解平;陶振超;陈欢欢;钱立庭-.基于生成对抗网络的鼻咽癌靶区自动勾画研究)[J].中华放射肿瘤学杂志,2022(12):1127-1132
A类：
B类：
生成对抗网络,鼻咽癌,自动勾画,深度学习网络,2D,PE,GAN,对靶,靶区勾画,高作,生成器,UNet,相似结构,卷积操作,block,数据使用,模型训练,注意力机制,Dice,豪斯多夫距离,马修斯,卡德,出模,CTV,GTV,少计,计算资源,鼻咽肿瘤
AB值：
0.267292
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。
