日前，柏視醫(yī)療與山東省腫瘤醫(yī)院聯(lián)合開展的關(guān)于海馬體自動分割的科研項目相關(guān)論文刊載于《Medical Physics》。
期刊簡介
《Medical Physics》是醫(yī)學(xué)物理學(xué)領(lǐng)域的權(quán)威期刊，成立于1974年。該期刊是美國醫(yī)學(xué)物理學(xué)家協(xié)會（AAPM）的科學(xué)期刊，也是加拿大醫(yī)學(xué)物理學(xué)組織、加拿大醫(yī)學(xué)物理學(xué)院和國際醫(yī)學(xué)物理學(xué)組織（IOMP）的官方科學(xué)期刊。
作為一本在全球范圍內(nèi)具有影響力的核心期刊，該期刊發(fā)表原創(chuàng)且具有高影響力的物理學(xué)、影像學(xué)和工程研究方面的文章，這些研究具有很大臨床價值轉(zhuǎn)換潛力，抑或在尖端工程和物理學(xué)具有創(chuàng)新的臨床應(yīng)用，核心讀者群包括放射腫瘤學(xué)或放射科相關(guān)的醫(yī)學(xué)物理學(xué)家。
01研究目的
本研究旨在使用一種基于邊緣感知的多任務(wù)學(xué)習(xí)來提升海馬體自動分割的精度。
02研究方法
針對全腦性放射治療中對海馬體此類重要危及器官的勾畫需求，我們開發(fā)了一種多任務(wù)的弱邊界小器官自動分割算法。
本研究先使用3D U-net作為主干模型，并設(shè)計如下兩個任務(wù)作為網(wǎng)絡(luò)的訓(xùn)練目標(biāo)：
1）縮小目標(biāo)掩模（金標(biāo)準(zhǔn)）與模型生成預(yù)測之間的差距；
2）優(yōu)化輔助邊緣預(yù)測任務(wù)，該任務(wù)用于提升模型對海馬弱邊界的模型檢測性能。
此外，為了平衡上述多任務(wù)目標(biāo)，本研究還提出了一個優(yōu)化的梯度歸一化方法，該方法可自適應(yīng)調(diào)整不同任務(wù)損失權(quán)重。
本次研究采集了247例病人的T1W的MR數(shù)據(jù)進(jìn)行模型的訓(xùn)練和驗證，其中116例為增強(qiáng)圖像，剩下131例為非增強(qiáng)圖像。
我們使用了三種評價指標(biāo)來對模型的效果進(jìn)行驗證和評估，分別是Dice coefficient (Dice)、Hausdorff distance (HD)和Average Hausdorff distance (AVD)。
03研究結(jié)果
在對上述模型進(jìn)行五折交叉檢驗后，結(jié)果表明Dice值能達(dá)到0.8483±0.0036、HD值為7.5706±1.2330 mm，而AVD為0.1522±0.0165 mm；與之相反，作為baseline模型的 3D U-net的三個指標(biāo)分別是0.8340 ± 0.0072、10.4631 ± 2.3736 mm和0.1884 ± 0.0286 mm。
而當(dāng)我們對baseline模型和提出的模型結(jié)果進(jìn)行威爾科克森符號秩檢驗（Wilcoxon signed-rank test）后發(fā)現(xiàn)，兩者的表現(xiàn)在統(tǒng)計學(xué)上有顯著性差異（P<0.05）。
（箱線圖-三個模型在海馬體自動分割上表現(xiàn)的Dice、HD和AVD值的比較）
（三種分割方法的結(jié)果——同一列圖像是同個目標(biāo)主體，從第二行起由上到下分別是3D U-net、優(yōu)化后的3D U-net和本研究提出的多任務(wù)邊緣感知學(xué)習(xí)模型；紅色輪廓線為醫(yī)生手動勾畫，黃色線則是模型自動勾畫。）
04研究結(jié)論
研究結(jié)果表明，基于邊緣感知的多任務(wù)學(xué)習(xí)自動分割方法能提高海馬體自動分割的有效性，對于海馬體保護(hù)性全腦的精確放療有重要意義。
我們所提出的多任務(wù)學(xué)習(xí)框架亦可在其他醫(yī)學(xué)成像上低對比度、弱邊緣的小器官的自動分割上發(fā)揮作用。
關(guān)鍵詞
海馬體分割，磁共振，多任務(wù)學(xué)習(xí)，動態(tài)任務(wù)平衡
