哈恩-塞格:头部和部危险器官CT和MR细分挑战
Gašper Podobnik1, Bulat Ibragimov2, Elias Tappeiner3
1University of Ljubljana, Faculty Electrical Engineering, Tržaška cesta 25, Ljubljana 1000, Slovenia.
概括
头部和部危险器官CT和MR细分挑战为放射治疗规划提供了先进的自动细分. 顶尖的方法超越了人类的准确性,在使用多式成像来分割有风险的器官.
科学领域:
- 医学成像分析分析 医学成像分析
- 辐射瘤学 辐射瘤学
- 医疗保健中的人工智能
背景情况:
- 在头部和部 (HaN) 区域的危险器官 (OAR) 的准确细分对于放射治疗 (RT) 规划至关重要.
- 利用多模式成像数据,如计算机断层扫描 (CT) 和磁共振 (MR) 成像,可以提高细分精度.
- 开发自动化细分方法对于简化RT规划工作流程至关重要.
研究的目的:
- 促进用于HaN辐射处理规划的自细分方法的开发.
- 利用CT和MR成像模式的信息来改善细分.
- 在临床环境中建立多模式图像细分的基准.
主要方法:
- 组织了HaN-Seg挑战,让参与者在HaN CT和MR图像中自动细分30个OAR.
- 提供了42个培训案例,其中包括参考OAR划分和14个保留的测试案例.
- 使用子相似系数 (DSC) 和95百分点豪斯多夫距离 (HD95) 评估的性能,通过威尔科克森签名等级测试进行统计排名.
主要成果:
- 七个团队提交了方法,所有这些都使用基于U-Net的架构.
- 表现最好的团队获得了76.9%的DSC和3.5毫米的HD95.
- 获胜方法结合了刚性MR到CT注册与网络输入处的多模连接.
结论:
- 挑战成功模拟了一个现实世界的临床场景,使用未注册的多模式图像.
- 性能最好的方法超过了观察者之间的协议,在自动化细分方面取得了重大进展.
- 公开可用的数据集和挑战结果为未来对配对多模式图像细分研究提供了有价值的基准.
关键词:
计算挑战是一个计算挑战.计算机断层扫描 (CT) 是一种计算机断层扫描.深度学习是一种深度学习.头癌是头部和部的癌症.磁共振是一种磁共振.有风险的器官辐射疗法 辐射疗法分段化 分段化 分段化 分段化
