基于人工智能的前列腺MRI自动轮,用于在线自适应性放射治疗
Marcel Nachbar1, Monica Lo Russo2, Cihan Gani2
1Section for Biomedical Physics, Department of Radiation Oncology, University Hospital and Medical Faculty, Eberhard Karls University of Tübingen, Tübingen, Germany.
Zeitschrift fur medizinische Physik
|June 1, 2023
概括
开发了一种用于自动MRI细分的深度学习模型,用于MR指导放射治疗 (MRgRT). 这种基于人工智能的自动轮工具实现了高精度,96%的轮被认为是临床上可接受的在线自适应MRgRT.
科学领域:
- 医学物理 医学物理
- 放射治疗技术 放射治疗技术
- 人工智能在医学中的应用
背景情况:
- 核磁共振指导放射治疗 (MRgRT) 能够使每日计划适应,这对于由于器官变异性而导致的盆腔瘤至关重要.
- 当前的MRgRT工作流程缺乏快速的自动注释,阻碍了高效的在线适应.
- 适应性MRgRT可以通过节省有风险的器官,显著有利于患有盆腔瘤的患者.
研究的目的:
- 训练和验证一个深度学习模型,用于快速,准确的自动MRI细分.
- 为了使在临床在线MRgRT工作流程中实现自动轮.
- 提高适应性放射治疗的效率和精度,用于盆腔癌.
主要方法:
- 在接受MR-Linac治疗的47名患者的232个T2wMRI数据集上训练了一种深度学习模型.
- 手动注释包括前列腺,精液囊泡,直肠,膀和骨结构.
- 该模型在20个未见的MRI上得到验证,通过定量 (DSC,HD) 和定性 (医生评分) 评估.
主要成果:
- 人工智能模型表现出高精度,在膀方面,子相似系数 (DSC) 高达0.97.
- 定量指标显示,对于直肠等器官,可接受的性能 (中位数为95%的6.9毫米的HD).
- 定性评估显示,80%的轮在临床上是可以接受的,16%只需要轻微的调整.
结论:
- 一个基于人工智能的自动轮模型成功地开发并验证了在线自适应性MR导向放射治疗.
- 该模型生成的轮在很大程度上被医生接受或需要最小的纠正.
- 这种人工智能工具适合在前列腺癌治疗的MRgRT工作流程中进行临床实施.
