在纵向MRI图像上使用自蒸的掩面图像转换器自动细分结节转移的部转移
Ramesh Paudyal1, Jue Jiang1, James Han2
1Department of Medical Physics, Memorial Sloan Kettering Cancer Center, New York, NY 10065, United States.
BJR artificial intelligence
|March 13, 2024
概括
在MRI扫描中,SMIT自细分算法准确地划分了HPV阳性口腔状细胞癌 (OPSCC) 患者的结节转移. 这种先进的工具提供了与手动细分相似的结果,提高了辐射瘤学的效率.
科学领域:
- 放射学 放射学是一门学科.
- 在瘤学瘤学.
- 人工智能的人工智能
背景情况:
- 在口腔状细胞癌 (OPSCC) 中转移性结的手动细分是耗时且容易变化的.
- 自动细分算法有可能提高临床实践的速度和一致性.
研究的目的:
- 实施和评估"使用视觉转换器 (SMIT) "自动细分算法进行蒙面图像建模的准确性.
- 评估SMIT在人类乳头瘤病毒 (HPV) 阳性OPSCC患者部结节转移的纵向T2加权 (T2w) 核磁共振扫描上的性能.
主要方法:
- 一项前性临床试验包括123名接受化疗放射治疗的HPV阳性OPSCC患者.
- 在治疗前和治疗第1-3周期间获得T2wMRI扫描.
- 使用威尔科克森签名等级测试,斯皮尔曼等级相关性和子相似系数 (DSC),将SMIT自动细分与手动划分进行了比较.
主要成果:
- 在SMIT和手动细分之间,瘤体积没有显著差异 (P=0.26).
- SMIT和手动瘤体积估计之间的高相关性 (ρ = 0.84-0.96).
- 平均DSC值在0.77到0.86之间,表明细分精度很好.
结论:
- 在HPV阳性OPSCC中,SMIT算法在瘤应用中显示出足够的准确性.
- 这项研究代表了在该患者群体中使用纵向T2wMRI对SMIT自细分的首次评估.
