首页 > 文章详情

危及器官与肿瘤靶区勾画自动化系统助力新时代精准放疗

2022年11月08日

来源：中华肿瘤杂志

放疗是三种主要的癌症治疗方案之一。目前放疗临床使用上的重要瓶颈之一是缺乏自动、高准确度、标准化、个性化和具备自适应能力的精准计算辅助靶区勾画系统。近日，浙江大学第一附属医院叶香华教授联合阿里巴巴达摩学院金达开博士等在JNCC发表了题为“Towards automated organs at risk and target volumes contouring: Defining precision radiation therapy in the modern era”的综述文章，以食管癌和头颈癌为例，系统地阐述了近几年基于深度学习的危及器官/肿瘤靶区自动分割勾画、多模态融合、深度学习神经网络结构搜索等技术和新方法，并完整覆盖了精准放疗勾画中涉及的危及器官、肿瘤靶区、淋巴结检测和临床靶区等四个方面的内容。其中，最近的一些技术工作和临床多中心验证已经比较好地证实了高精度和高可重复性的自动靶区勾画方法可以极大地减轻医生的工作量和减少医生之间的勾画差异。通过对这些方法的特点、优势和局限性的介绍，希望更多更好的精准靶区自动勾画方法可以被开发出来，更好地服务医生，使患者受益。

更多信息，请阅读原文：https://doi.org/10.1016/j.jncc.2022.09.003

作者简介

通信作者：叶香华

中国研究性医院学会放射肿瘤专委会委员，浙江省数理医学会总会副秘书长，浙江省产学研促进研究会总会副秘书长，中国医药教育协会肿瘤放射治疗专业委员会委员，中国医药教育协会肺癌专业委员会委员，浙江省抗癌协会肿瘤靶向及细胞专业委员会副主任委员，浙江省医学会放射肿瘤治疗学会青委会委员，浙江省医师协会乳腺癌专业委员会委员，浙江省肿瘤防治联盟小细胞肺癌专业委员会委员，浙江省抗癌协会生物治疗专委会委员。主要研究领域为胸部恶性肿瘤放化疗，放疗人工智能及大数据分析，以及放疗相关性微生态研究。主持及参与多项国家/省级课题，发表SCI论文30余篇、MICCAI/ASTRO会议论文多篇。

第一作者：金达开

从事10年以上的医学影像计算，模式识别和机器学习的交叉领域研究，近年主要研究癌症放疗中的靶区和危及器官的精准分割，淋巴结良恶性鉴别，多模态影像配准，癌症筛查和治疗响应预测等。发表论文60余篇，国际医学会议摘要30余篇（ASTRO，RSNA，SNMMI，ATS等）。其中作为第一作者或项目负责人发表期刊和会议论文在Nature Communications，Medical Image Analysis（MICCAI 2019最佳论文奖候选），IEEE TVCG，CVPR，MICCAI（MICCAI 2018 top-10高引用论文，MICCAI 2020 NIH-Award）。在肺部医学顶刊American Journal of Respiratory and Critical Care Medicine和科学杂志医学子刊 Science Translational Medicine作为主要贡献者发表封面论文各一篇。目前有美国专利申请11项。现为期刊Frontiers in Oncology，Frontiers in Nuclear Medicine和The Visual Computer副主编，以及多个国际医学影像期刊和会议的审稿人（MedIA, Nature MI, IEEE T-PAMI, IEEE TMI, MICCAI, CVPR, ICCV, ECCV等），三次得到CVPR杰出审稿人奖（2019-2021）。

免责声明本文仅供专业人士参看，文中内容仅代表中华肿瘤杂志立场与观点，不代表肿瘤资讯平台意见，且肿瘤资讯并不承担任何连带责任。若有任何侵权问题，请联系删除。

责任编辑：肿瘤资讯-Kate
排版编辑：肿瘤资讯-Kate

2022年11月08日

郭萍

丹东市人民医院 | 肿瘤内科

高精度和高可重复性的自动靶区勾画方法可以极大地减轻医生的工作量和减少医生之间的勾画差异。

2022年11月08日

谭兴超

岳池县人民医院 | 肿瘤内科

介绍放疗的文章好。

2022年11月08日

张晓妮

荣成人民医院 | 肿瘤内科

感谢分享获益良多