コンピュータトモグラフィー (IMPACT) を用いた画像ベースの下および上の分割とアノテーション:オルデンタル用量推定および骨放射性死滅症の評価のためのディープラーニングベースの臨床ツール

科学分野:

• 放射線療法
• 医療用イメージング
• 人工知能

背景:

• コンピュータトモグラフィー (CT) 画像における歯の構造の正確な描写は,放射線療法用投与量測定と歯科治療計画において極めて重要です.
• 歯,下,上のサブボリュームを分割する現在の方法は時間がかかり,精度が不足している可能性があります.

研究 の 目的:

• 個々の歯と下/上のサブボリュームのためのディープラーニング (DL) オートセグメンテーションフレームワークを開発し,評価する.
• 臨床的関連性を改善するために,ClinRad骨性無線死症の段階化システムとセグメンテーションを調整する.

主な方法:

• DLの自動セグメンテーションフレームワークは,下のサブボリュームのためのSwin UNETRモデルと,歯と上のサブボリュームのための2段階のResUNet-Swin UNETRモデルを使用して開発されました.
• 60件の臨床症例のシミュレーションCT画像で,手動で定義された歯の構造をモデルに訓練した.
• マニュアルセグメンテーションと自動セグメンテーションのセグメンテーション精度,幾何学的精度,および用量量差を評価した.

主要な成果:

• DLフレームワークは,構造ごとに異なるセグメンテーションパフォーマンスを達成し,平均ダイス値は0.69から0.85まででした.
• マキシラ・アルベオラの中央部分体積は,手動と自動セグメンテーションの間で統計的に有意な量-体積の違い (D平均とD2%) を示した.
• このモデルは,トレーニングデータに含まれていないサブボリュームのセグメント化に限られた適用性を示した.

結論:

• オルデンタル構造のための新しいDLベースの自動セグメンテーションフレームワークが開発されました.
• このツールは,投与量による差異の空間的局所化を可能にし,画像ベースの骨損傷の検出を潜在的に強化します.
• この枠組みは,頭頸部がん患者の放射線腫瘍学と歯科医療における臨床的意思決定を改善することができる.