文| 汪志 常艳奎  图| 汪志

中科大核医学物理研究所有多个小组研究人工智能应用到各种医学物理的临床问题，包括基于深度学习的自动分割、图像配准、图像生成（MRI与CT的转换）、剂量预测等多个研究方向，近两年已有多篇论文发布在国内外知名期刊。

近日，本研究所医学图像自动分割小组的汪志同学再次在国际知名期刊JACMP上发表了SCI论文。该论文“Evaluation of deep learning-based auto-segmentation algorithms for delineating clinical target volume and organs at risk involving data for 125 cervical cancer patients”首次将人工智能和实习医生的学习能力进行了比较，证明了人工智能自动勾画模型在临床应用中的可行性。如图1所示，本次研究使用的网络结构模型是在传统的3D U-Net的基础上添加了深度监督和残差技巧模块，使得模型的效果有所提升。本研究选取了125例宫颈癌患者，由资深医生A勾画临床靶区（CTV）和危及器官。其中100例患者数据用于自动勾画模型的训练，25例患者数据用于自动勾画模型的预测精度测试。为了比较自动勾画模型和实习医生的学习能力，跟着资深医生A学习8个月的实习医生B对CTV和危及器官独立进行了手动勾画，最后以资深医生A的手动勾画轮廓为“金标准”，比较自动勾画模型和实习医生的勾画精度，具体流程如图2所示。

图1

图2

结果显示，自动勾画模型在CTV、左右股骨头、膀胱、小肠的预测上优于实习医生，在直肠的勾画上与实习医生的精度相当。以上结果表明，基于人工智能的自动勾画可以达到和实习医生相当的精度，能够提高临床勾画的一致性。该本次论文中使用的自动勾画模型已经集成到商用自动勾画软件DeepViewer中，我们会继续探索更多的实用技巧，使得DeepViewer能够更好的服务于临床。

文章链接：

https://aapm.onlinelibrary.wiley.com/doi/epdf/10.1002/acm2.13097

2021年1月7日