鼻咽癌好發于東南亞及我國南方地區，目前調強放射治療（放療）是鼻咽癌的標準治療方式。自調強放療開展以來，大量的鼻咽癌幸存者從中獲益，但仍然有部分患者出現放射性晚期毒性反應，尤其是局部晚期患者，給患者的生活質量帶來不良的影響。因此在控制腫瘤的前提下，如何更好地保護重要的危及器官是目前調強放療的重點。該文就鼻咽癌調強放療危及器官的放射性晚期毒性進行綜述。
勾畫危及器官是放射治療中的重要環節。目前人工勾畫的方式依賴于醫生的知識和經驗，非常耗時且難以保證勾畫準確性、一致性和重復性。為此，本研究提出一種深度卷積神經網絡，用于頭頸部危及器官的自動和精確勾畫。研究回顧了 496 例鼻咽癌患者數據，隨機選擇 376 例用于訓練集，60 例用于驗證集，60 例作為測試集。使用三維（3D）U-NET 深度卷積神經網絡結構，結合 Dice Loss 和 Generalized Dice Loss 兩種損失函數訓練頭頸部危及器官自動勾畫深度卷積神經網絡模型，評估參數為 Dice 相似性系數和 Jaccard 距離。19 種危及器官 Dice 相似性指數平均達到 0.91，Jaccard 距離平均值為 0.15。研究結果顯示基于 3D U-NET 深度卷積神經網絡結合 Dice 損失函數可以較好地應用于頭頸部危及器官的自動勾畫。
將深度學習應用到醫學影像中危及器官自動分割領域時，為解決訓練樣本不足時三維卷積神經網絡優化出現的退化、梯度消失等問題，本研究將 Dense Net 與 V-Net 兩個網絡模型進行融合，開發一種用于三維計算機斷層掃描（CT）圖像自動分割的 Dense V-Network 算法，勾畫女性盆腔危及器官。采用戴斯相似性系數（DSC）、豪斯多夫距離（HD）、杰卡德距離（JD）三個參數來定量評估分割效果。結果顯示膀胱、小腸、直腸、股骨頭和脊髓自動分割的 DSC 值均在 0.87 以上（平均值是 0.9）；JD 值均在 2.3 以內（平均值是 0.18）；除小腸外，HD 值均在 0.9 cm 以內（平均值是 0.62 cm）。經驗證，Dense V-Network 網絡可精準地勾畫盆腔危及器官。