基于U-Net的单个骨细分所需的基本参数,用于计划头部CT图像,使用有限的辐射疗法应用数据集

科学领域:

• 医疗成像医学成像
• 辐射疗法 辐射疗法
• 计算解剖学的计算解剖学

背景情况:

• 放射治疗规划面临挑战,因为医学图像细分的注释数据集有限.
• 在头癌患者中,对个体骨的准确细分对于精确的辐射疗法治疗至关重要.

研究的目的:

• 开发和验证用于头部和部癌症放射治疗计划的自动化骨分割方法.
• 用有限的计算机断层扫描 (CT) 数据集来确定精确骨细分的基本参数.

主要方法:

• 利用来自5个队伍的30名患者CT图像进行培训,验证和测试.
• 探索了参数变化,包括背景补丁减少,类依赖增强和加权损失函数.
• 将拟议的方法与重新训练的nnU-Net架构进行了比较.

主要成果:

• 在内部测试组中获得高平均子得分:其他骨头为0.93,肋骨为0.93,脊椎为0.88.
• 在识别配对的骨结构 (肋骨,肩膀,腰骨,关节骨) 方面表现优于nnU-Net.
• 在一个新的队列中展示了强大的概括能力,平均子得分为0.96 (其他骨头),0.95 (肋骨) 和0.81 (脊椎).

结论:

• 拟议的自动化骨分割工具即使在有限的训练数据下也是有效的.
• 该方法显示了将其整合到临床放射治疗工作流程中的希望.
• 强调在数据稀缺的场景中,特定参数对于稳健的细分的重要性.