表 1. Comparison of the results of different normal tissue segmentation methods based on deep learning.

基于深度学习的正常组织勾画方法及结果对比

文献	分割内容		数据库		方法		分割精度评价
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（Segmentation Of The Liver Challenge 2007 in conjunction with International Conference on Medical Image Computing and Computer Assisted Intervention，MICCAI-SLiver07）；② 3D-IRCADb：用于算法比较的三维图像重建数据库（3D Image Reconstruction for Comparison of Algorithm Database，3D-IRCADb）
Dolz 等[4]	脑干		接受莱克塞尔（Leksell）伽玛刀放射治疗的 MRI 数据		堆叠去噪自编码器 + 稀疏块匹配方法		体积差异值 = 3.1%；DSC = 91%
Lu 等[6]	肝脏		对比增强的 CT 图像（MICCAI-SLiver07、3D-IRCADb、研究合作者数据）		基于深度 3D CNN（16 层）的肝脏检测 + 3D 图割算法		RVD = 2.70% ASD1 = 0.91 mm
Hu 等[7]	肝脏		腹部 CT（MICCAI-SLiver07、当地医院 CT 数据）		3D CNN（11 层）+ 形状先验的能量模型		RVD = −0.17%； ASD1 = 0.84 mm；DSC = 97.25%
Hu 等[8]	肝脏、脾脏和双肾		3D 腹部 CT （MICCAI-SLiver07、当地医院 CT 数据）		深度全卷积 CNN（16 层）+ 多区域分割模型（时间隐式水平集算法）		肝脏：DSC=96.0%； ASD1 = 1.3 mm 脾脏：DSC = 94.2%； ASD1 = 1.2 mm 肾脏：DSC = 95.4%； ASD1 = 1.0 mm
Ibragimov 等[9]	脊髓、下颌骨、腮腺、颌下腺、喉部、咽、眼球、视神经、视神经交叉		头颈部放疗患者的 3D CT 图像		CNN + 马尔科夫随机场算法		DSC：脊髓 87.0%；下颌骨 89.5%；腮腺（左、右）76.6%、77.9%；颌下腺（左、右）69.7%、73.0%；喉部 85.6%；咽 69.3%；眼球（左、右）88.4%、87.7%；视神经（左、右）63.9%、64.5%；视神经交叉 37.4%