《表1 基于深度学习的正常组织勾画方法及结果对比》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《机器学习在肿瘤放射治疗领域应用进展》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

DSC：戴斯相似系数（dice similarity coefficient，DSC)；ASD1：平均对称表面距离（average symmetric surface distance，ASD)；RVD：相对体积差异（relative volume difference，RVD）数据库：（1）MICCAI-SLiver07:2007医学图像计算和计算机辅助干预国际会议-肝脏分割挑战数据库（S

放疗计划设计时，首先在CT或MRI图像进行正常组织和肿瘤靶区的勾画，对于靶区周围的正常组织器官，不同器官有不同的耐受剂量，在一定程度上决定了放疗处方剂量水平。精确迅速地分割正常组织，是实现放疗计划自动设计的第一步，分割结果直接影响放疗计划设计、评估的准确性。如表1所示，列出了近几年深度学习方法在正常组织自动勾画中的应用，并对分割方法和结果进行了比较。