完全自动化的,仅CT的GTV轮,用于减轻头部和部放射治疗
Skylar S Gay1,2, Carlos E Cardenas3, Callistus Nguyen4
1Unit 1472, Department of Radiation Physics, The University of Texas MD Anderson Cancer Center, 1515 Holcombe Blvd, Houston, TX, 77030, USA. sgay1@mdanderson.org.
Scientific reports
|December 8, 2023
概括
这项研究评估了CT-only自细分用于总瘤体积 (GTV) 划分在头部和部癌症息性放射治疗中. 虽然只有CT的方法显示出希望,但临床应用仍然需要大量的手动编辑.
科学领域:
- 医疗成像医学成像
- 辐射瘤学 辐射瘤学
- 人工智能在医学中的应用
背景情况:
- 息性放射治疗的规划往往缺乏像MR或PET这样的先进成像.
- 准确的总瘤体积 (GTV) 划分对于有效的息治疗至关重要.
研究的目的:
- 为了研究CT-onlyGTV划分用于息性头癌放射治疗.
- 用CT图像比较五种不同的自动细分方法.
主要方法:
- 对两个多机构数据集的回顾性分析 (102个非对比CT,96个对比增强CT).
- 利用nnU-Net自动细分网络,使用五种不同的培训策略.
- 使用子相似系数,表面子和第95 Hausdorff 距离评估了细分性能.
主要成果:
- 中位数子相似度在0.6~0.7之间;表面子在0.30~0.56之间.
- 表面子在五种方法中显示了统计学上显著的差异 (p ≤ 0.05).
- 只有CT的自动轮结果满足或超过了头部和部GTV的公布的多模式图像基准.
结论:
- 对息性头癌放射治疗的CT-onlyGTV划分是可行的.
- 目前的自动细分方法需要大量的手工改进才能达到临床准备.
- 需要进一步开发以提高准确性并减少分割后的编辑时间.
