目的:研究基于脉冲耦合神经网络PCNN的PET/CT图像自动分割技术在肺癌靶区勾画中的应用.方法:采集20例无转移的肺癌患者的PET/CT图像.由2名有经验的放疗科医生分别依据CT图像和PET/CT图像采用目测法勾画肿瘤靶区,分别命名为GTV-CT和GTV-PET.所有PET图像均由自主编写的基于PCNN的分割方法进行靶区的自动分割,所得靶区为GTV-PETauto.采用PINNACLE V9.2放射治疗计划系统分别计算三种方法所勾画的靶区体积,对三种GTV的体积大小和重合关系进行比较.结果:两名医生依据CT图像勾画的靶区平均体积GTV-CT1和GTV-CT2分别为(210.56±197.38) cm3和(192.83±187.05) cm3,两者之间差异有统计学意义(P＜0.05);依据PET/CT勾画的靶区GTV-PET1和GTV-PET2分别为(141.50±118.43) cm3和(130.47±116.70) cm3,未见统计学差异(P＞0.05).两名医生依据PET/CT图像勾画的靶区差异较依据CT的差异小.PET/CT自动分割靶区GTV-PETauto为(133.19±101.28)cm3,与GTV-PET比较未见统计学差异(P＞0.05),验证了PCNN分割方法的可靠性.GTV-PETauto、GTV-PET均小于CT手动勾画靶区GTV-CT,差异有统计学意义(P＜0.05),其中13例靶区因区分肿瘤和肺不张而缩小.结论:基于PCNN的PET/CT图像分割技术提高了肿瘤靶区勾画的精确性,减少了不同医生勾画靶区的差

作者：彭莹莹；张书旭；谭剑明；王琳婧；雷怀宇；蒋绍惠

来源：中国医学物理学杂志 2014 年 31卷 4期