一个开源的自行细分算法来划分心脏和基层结构 - 在多中心肺癌队列中开发和验证.

科学领域:

• 医学成像和辐射瘤学.
• 计算解剖学和图像分割.

背景情况:

• 胸部癌症辐射带来了心脏毒性的风险.
• 准确的心脏剂量估计对于减轻这些风险至关重要.
• 对心脏及其子结构的自动细分可以帮助剂量评估.

研究的目的:

• 开发和评估用于心脏及其子结构的混合自动细分方法.
• 评估该方法在心脏毒性研究中对剂量预测的准确性.

主要方法:

• 一种混合细分方法,将nnU-net与以图谱和模型为基础的技术相结合.
• 细分包括心脏,四个腔室,三个大血管和冠状动脉.
• 在乳腺癌数据集上进行验证,对手册划分的剂量预测准确性进行评估.

主要成果:

• 混合方法为心脏实现了0.95的高子相似系数 (DSC).
• 对于心室的细分精度与观察者之间的变异性 (DSC 0.78-0.86) 相似.
• 自动细分精确预测了剂量分配,与临床专家的准确度相匹配.

结论:

• 混合细分方法准确地划定了用于放射治疗的心脏结构.
• 该方法可以精确预测剂量,促进大规模的心脏毒性研究.
• 开发的划分算法将公开发布.