利用肿瘤、淋巴结与危险器官的编码三维空间上下文进行深度食管临床靶区勾画
图像与视频处理
2019-09-09 v2 计算机视觉与模式识别
摘要
从放疗计算机断层扫描(RTCT)图像中进行临床靶区(CTV)勾画，用于定义包含大体肿瘤体积(GTV)和/或亚临床恶性病变的放射治疗(RT)区域。由于用户内与用户间的高变异性，这对食管癌而言是一项尤为困难的任务。这促使了自动化解决方案的产生，而我们的工作目标正在于此。由于CTV勾画高度依赖上下文——必须包绕GTV与区域淋巴结(LNs)，同时避免对危险器官(OARs)的过度照射——我们将其构建为一个基于深度上下文外观的问题，利用这些解剖结构的编码空间上下文。这使得深度网络能够更好地从医师所执行的基于边界与外观的勾画中学习并模拟。此外，我们开发了领域特定的数据增强以增强系统的鲁棒性。最后，我们表明一个简单的三维渐进整体嵌套网络(PHNN)，在避免计算繁重的解码路径的同时仍聚合不同层级上下文的特征，能够优于更复杂的网络。在135例食管癌患者数据集上的交叉验证实验表明，我们的编码空间上下文方法能带来切实的性能提升，平均Dice系数达83.9%，平均表面距离为4.2 mm，分别比现有最优方法提升3.8%和2.4 mm。
引用
@article{arxiv.1909.01526,
title = {Deep Esophageal Clinical Target Volume Delineation using Encoded 3D Spatial Context of Tumors, Lymph Nodes, and Organs At Risk},
author = {Dakai Jin and Dazhou Guo and Tsung-Ying Ho and Adam P. Harrison and Jing Xiao and Chen-kan Tseng and Le Lu},
journal= {arXiv preprint arXiv:1909.01526},
year = {2019}
}
备注
MICCAI 2019 (early accept)