基于深度学习磁共振成像的自动细分用于大脑中面临风险的器官:准确性和对剂量分配的影响
Andrada Turcas1,2,3,4, Daniel Leucuta5, Cristina Balan4,6
1The European Organisation for Research and Treatment of Cancer (EORTC) Headquarters, RTQA, Brussels, Belgium.
Physics and imaging in radiation oncology
|June 19, 2023
概括
这项研究发现,人工智能 (AI) 对大脑放射治疗的自动轮比手工方法更快. 虽然AI对于大型结构是准确的,但对于较小的有风险的器官需要改进,观察到的剂量差异最小.
科学领域:
- 辐射疗法 辐射疗法
- 医疗成像医学成像
- 人工智能的人工智能
背景情况:
- 准确地划分有风险的器官对于在放射治疗中节省正常组织至关重要.
- 手动轮是耗时的,容易引起观察者之间的变化.
- 自动轮提供了优化工作流程和实践协调的潜力.
研究的目的:
- 为了评估商业,深度学习,基于MRI的工具的准确性,用于大脑器官的风险划分.
- 为了比较AI自动轮与手动轮的效率和准确性.
主要方法:
- 对30名成年脑瘤患者的回顾性分析.
- 手动轮,人工智能自动轮和手动纠正的人工智能轮 (AIedit) 的比较.
- 使用子相似系数 (DSC),平均表面距离 (MSD),马分析和剂量-体积直方图 (DVH) 度量进行评估.
主要成果:
- 人工智能自动轮显著快于手动轮 (1.1分钟对20分钟).
- 中位数DSC和MSD是AI的0.7和0.9毫米,AI的0.8和0.5毫米.
- 对于大型结构,AI显示出很好的准确性,剂量差异处于可接受的范围内 (≤0.2 Gy).
结论:
- 人工智能模型对大脑结构具有很好的准确性,但对较小的大脑结构需要进一步开发.
- 人工智能自行细分显著提高了效率,对剂量分配的影响很小.
- 这项技术有望优化放射治疗规划工作流程.
