放疗器官风险部位描绘的质量保证

肿瘤靶向和器官风险部位的描绘是放疗治疗计划中的关键环节。可使用自动分割来减少医生的工作负担并提高一致性。然而，自动分割的质量保证在临床实践中仍是一个未满足的需求。我们研究中使用的患者数据来自 AAPM 胸部自动描绘挑战的数据集标准化版本。所描绘的 OARs 包括左肺、右肺、心脏、食管和脊髓。生成了两组 OARs，由经验丰富的医生人工描绘的基准数据集和使用软件 AccuContour 自动生成的测试数据集。对 Resnet-152 网络进行特征提取，使用单类支持向量分类器确定其为高或低质量。我们使用平衡准确率、F 分数、灵敏度、特异度以及受试者运行特征曲线下面积等指标评估模型性能。我们随机生成描绘误差以评估方法的泛化性，探讨了检测极限，并评估了检测极限与 various 指标（如体积、Dice 相似系数、豪斯曼距离和平均表面距离）之间的相关性。所提出的单类分类器在平衡准确率、AUC 等指标上优于其他指标。所提出的方法在处理各种类型的误差方面显著优于二分类器。我们提出的模型引入残差网络和注意力机制于单类分类框架中，能够以高准确率检测各种类型的 OAR 描绘误差。所提出的方法可显著减少医生对描绘描绘的审查负担。