目的 以肺癌放疗涉及的危及器官为例,通过对胸部CT影像进行固定窗宽(Window Width,WW)/窗位(Window Level,WL)的调节处理,探究不同WW/WL对基于深度学习的危及器官自动勾画结果的影响.方法 利用2D-Unet对2017年肺癌危及器官分割比赛中的危及器官(包括左右肺、食管、脊髓和心脏)进行自动分割;训练前均进行WW/WL调节的预处理,即对训练的CT图像分别进行软组织窗、肺窗、纵隔窗、骨窗及全窗宽的调节,然后对每一种危及器官均采用相同的条件进行训练;共60例数据集,任选其中48例为训练集,余下12例为测试集;自动分割结果采用Dice相似性系数(Dice Similarity Coefficient,DSC)和95％豪斯多夫距离(Hausdorff Distance,HD)进行评估;统计方法采用Kruskal-Wallis H秩和检验或方差分析.结果 不同WW/WL调节对左、右肺及脊髓的自动分割DSC值无显著影响(P=0.057、0.090、0.894);对食管和心脏的自动分割DSC值有显著影响(P<0.001).脊髓在不同WW/WL下的95％HD值无统计学差异(P=0.116);左右肺、食管和心脏在不同WW/WL下的95％HD值均有统计学意义(P=0.005、0.001、0.007、<0.001).结论 不同的固定WW/WL调节对不同危及器官自动勾画结果的影响不同,在进行基于深度学习的CT影像自动分割时应选取合适的WW/WL.
作者：余行；何奕松；傅玉川
来源：中国医疗设备 2022 年 37卷 3期
