一个基于网络分数的指标,以优化自动放射治疗目标细分的质量保证
Roque Rodríguez Outeiral1, Nicole Ferreira Silvério1, Patrick J González1
1Department of Radiation Oncology, The Netherlands Cancer Institute, Plesmanlaan 121, 1066 CX Amsterdam, the Netherlands.
Physics and imaging in radiation oncology
|October 23, 2023
概括
一个新的指标准确地评估了放射治疗的自我细分质量,优于现有方法. 这种方法有助于识别需要审查的细分,提高癌症治疗中的轮精度.
科学领域:
- 医学物理 医学物理
- 辐射疗法 辐射疗法
- 人工智能的人工智能
背景情况:
- 目前的放射治疗自细分质量保证依赖于有限的指标,如平均模型和子相似系数 (DSC).
- 需要改进的方法来评估辐射疗法自分段的轮精度.
研究的目的:
- 引入和验证一种新的指标,用于辐射疗法自我细分的质量保证.
- 为了将这种新指标与已建立的临床测量界面精度相关联.
主要方法:
- 利用磁共振成像用于宫癌和直肠癌的自分化.
- 从nnU-Net输出定义了一个新的指标,该指标是基于从nnU-Net输出中的一个值 (λ=0.30) 以上的得分图 voxels的平均值.
- 评估了与细分质量指标的相关性,包括DSC,豪斯多夫距离和平均表面距离 (MSD).
主要成果:
- 拟议的指标与平均度相比,与细分质量 (表面DSC,r > 0.65) 的相关性更强.
- 该指标在检测有MSD>2mm的细分时,实现了曲线下的面积 (AUC) 超过0.84.
- 新的指标在宫癌和直肠癌数据集中表现强.
结论:
- 这种新型指标与临床相关的细分质量指标有很强的相关性.
- 该指标有效地识别了需要手动审查的细分,提高了放射治疗的自动质量保证.
- 这些发现表明,它是一个有前途的工具,可以提高放射治疗自分段的可靠性.
