使用背景层统计 (BLAST) 进行脑转移的细分
Chris Heyn1,2, Alan R Moody3,2, Chia-Lin Tseng4
1From the Department of Medical Imaging (C.H., A.R.M., E.W., T.K., A.K., P.H., P.M., S.S.), Sunnybrook Health Sciences Center, Toronto, Ontario, Canada chris.heyn@utoronto.ca.
AJNR. American journal of neuroradiology
|September 21, 2023
概括
背景层统计 (BLAST) 提供了大脑转移的准确和可重现的细分. 这种半自动算法显示了改善辐射规划和治疗反应评估的潜力.
科学领域:
- 医学成像分析分析 医学成像分析
- 神经外科和瘤学
- 放射学和辐射疗法.
背景情况:
- 对大脑转移的准确细分对于有效的治疗计划和反应评估至关重要.
- 当前的细分方法可能在精度和效率方面存在局限性.
- 需要新的算法来提高脑转移细分的准确性和速度.
研究的目的:
- 为了评估半自动算法的性能,背景层统计 (BLAST),用于细分大脑转移.
- 评估BLAST产生的细分的准确性,可重现性和临床接受性.
主要方法:
- 一种半自动细分算法 (BLAST) 应用于19名患者中的48例脑转移.
- 通过K-means集群识别出正常的大脑组织,然后将其减去.
- 操作员定义的值细分转移;迪斯-索伦森系数和豪斯多夫距离测量精度.
- 临床接受度使用5分利克尔特尺度进行评估.
主要成果:
- 迪斯-索伦森系数的中位数为0.82 (0.9对于转移≥10毫米),表明高精度.
- 豪斯多夫距离的中位数为1.4毫米,证明了精确的边界划分.
- 观察到卓越的互读者一致性 (ICC=0.9978) 和高临床接受度 (94% 利克特得分为4或5).
- 平均细分时间为每次转移2.8分钟.
结论:
- 背景层统计 (BLAST) 提供了大脑转移的准确和可重现的细分.
- 该算法显示出作为辐射瘤学规划的有价值工具的巨大潜力.
- BLAST可帮助精确评估脑转移患者的治疗反应.
