人工智能实施头颈部患者组织结构自动勾画的评价研究

目的 通过对采用特定模型的人工智能在头颈部组织结构勾画结果进行分析,以探索符合临床应用的勾画途径.方法 利用改进型U-Net神经网络的眼周联合分割优化模型创建头颈部患者危及器官自动勾画模型,其中训练集优选自三家不同医院343例中勾画质量好的72例,验证集患者18例,测试集来源于本单位同一主诊医师收治的118例患者;对所得勾画与人工勾画之间的相似性系数等指标进行统计学分析.结果 大部分器官分割的效果较为稳定,其中眼球、口腔、脑干、腮腺、颌下腺分割效果较好,平均形状相似性系数结果均在0.820以上,眼球甚至达到0.900以上;垂体、视交叉分割效果较差,最低仅为0.559.Hausdorff距离的数值与危及器官大小相关,小体积器官均相对稳定;而体积较小的器官更容易造成相对体积差异结果偏差较大.结论 采用高精度优化模型的人工智能对解剖结构较为复杂的头颈部患者组织结构的勾画效果能够一定程度地满足临床需求.随着模型中优质勾画患者数量的增加及对构建模型的不断优化,人工智能自动勾画终将会在很大程度上把医务工作者从繁琐而重复的工作中解脱出来.