在CT中对中淋巴结的细分,具有解剖学先验
Tejas Sudharshan Mathai1, Bohan Liu2, Ronald M Summers3
1Clinical Center, National Institutes of Health (NIH), Bethesda, MD, USA. tejas.mathai@nih.gov.
概括
这项研究引入了一种新方法,使用解剖学信息在CT扫描上自动细分腹腔中枢淋巴结 (LNs). 这种方法提高了准确性,有助于早期发现疾病和治疗患者.
科学领域:
- 医学成像分析分析 医学成像分析
- 放射学 放射学是指放射学
- 医疗保健中的人工智能
背景情况:
- 胸部的淋巴结 (LNs) 可能因肺癌和肺炎等各种病理而扩大.
- 精确测量节点大小对于疾病监测,癌症分期和治疗评估至关重要.
- 鉴定中神经瘤是具有挑战性的,因为它们的形状和位置在主要器官之外是可变的.
研究的目的:
- 开发和评估一种自动化的方法,以使用解剖学先验来细分中淋巴结 (LNs).
- 利用TotalSegmentator工具来生成解剖信息,以帮助LN细分.
- 提高CT扫描中LN识别的准确性和效率.
主要方法:
- 使用了来自TotalSegmentator工具的28个解剖结构作为细分的先验.
- 在NIH CT淋巴结数据集 (89名患者) 上训练了三个3D nnUNet模型.
- 在分销外的圣奥拉夫斯数据集 (15名患者) 上评估了细分性能.
主要成果:
- 3D级联nnUNet模型获得了67.9 ± 23.4的子得分,LNs≥ 8mm.
- 对于所有LN大小,子得分为58.7±21.3.
- 这种方法在相同的测试数据上显示了与以前的方法相比≥10%的改善.
结论:
- 这是第一个使用28个解剖学先验的研究,用于中骨LN细分.
- 该方法通过在分期CT扫描中识别扩大节点,显示出改善患者治疗结果的潜力.
- 这种方法可以扩展到身体的其他节点区域.
