中国科学技术大学核医学物理研究所硕士研究生王煊赫（导师徐榭教授）以第一作者在杂志Journal of Applied Clinical Medical Physics（JACMP）上发表了题为"A prior-information-based automatic segmentation method for the clinical target volume in adaptive radiotherapy of cervical cancer"的学术论文，论文合作者包括本课题组的常艳奎，裴曦，徐榭（通讯作者），该论文于2024年3月28日正式在线发表。
在放疗过程中，由于肿瘤患者解剖结构的变化，原始放疗计划可能需要调整，包括反复的轮廓修改和计划评估。为了适应这些变化，本研究提出了一种新的方法，通过将患者的特异性信息通过配准算法与深度学习框架结合，显著提高了临床靶区（CTV）分割的准确性。
图1. 基于配准的多通道多路径分割框架
表1展示了本文提出的方法(RB-MCMP和DIR-MCMP)与基准方法的分割精度比较结果。图2展示了常用自动分割指标（DSC,HD95,ASD）在不同分割方法下的比较结果。图3展示了对测试集中随机一名患者采用不同配准策略的可视化分割结果。
表1 本研究提出方法与基准方法的对比结果
| Methods | DSC | HD95 (mm) | ASD (mm) |
No-guided | 3D U-Net[27] | 0.828 | 6.04 | 1.54 |
SCSP | 0.837 | 5.88 | 1.43 |
RB-guided | RB | 0.787 | 6.23 | 1.56 |
RB-MCSP | 0.848 | 5.10 | 1.32 |
RB-MCMP | 0.875 | 4.48 | 1.14 |
DIR-guided
| DIR | 0.856 | 4.86 | 1.19 |
DIR-MCSP | 0.877 | 4.59 | 1.11 |
DIR-MCMP | 0.892 | 3.83 | 0.93 |
图2 两种配准策略下DSC、HD95和ASD分析的对比箱线图
图3宫颈癌像患者靶区分割结果的可视化展示
本研究开发了一个有效的配准引导多通道多路径（Rg-MCMP）分割框架，提高了自适应放疗（ART）中临床靶体积（CTV）分割的准确性。实验结果显示，该框架性能优于现有方法，为未来ART提供了新的技术支持。我们期待随着技术发展，该框架能够进一步改进，适用于更多类型的肿瘤和治疗计划。
