【摘要】目的 探讨利用U-Net卷积神经网络模型对肺癌原发灶进行自动勾画。方法 本研究构建了端到端的U-Net卷积神经网络自动勾画模型，以198例肺癌患者CT影像和原发灶(Gross Target Volume，GTV)为研究对象，使用戴斯相似系数(Dice Similarity Coefficient， DSC)、杰卡德相似系数(Jaccard Similarity Coefficient，JSC)、平均表面距离(Average Surface Distance，ASD)和豪斯多夫距离(Hausdorff Distance， HD)来评估模型对20例测试集数据自动勾画的精准度。结果 测试集的20例患者的平均DSC值为0.78±0.08，平均JSC值为0.69±0.07，平均ASD值为(1.64±0.4)mm，平均HD值为(5.5±2.2)mm。结论 利用U-Net卷积神经网络的自动勾画方法能够相对准确地进行肺癌原发灶的勾画，该方法能够提升临床医生的勾画效率和一致性。

    【关键词】肺癌;深度学习;自动勾画

    【中图分类号】R-1 【文献标识码】A 【文章编号】2107-2306(2020)03-049-02

    前言

    放射治疗是肺癌治疗的主要手段之一 ......