深度学习辅助的肺癌交互轮:对轮时间和一致性的影响
Michael J Trimpl1, Sorcha Campbell2, Niki Panakis3
1Institute of Biomedical Engineering, Department of Engineering Science, University of Oxford, Oxford, UK; Department of Oncology, University of Oxford, Oxford, UK; Mirada Medical Ltd, Oxford, UK.
概括
深度学习 (DL) 轮工具显著减少了概述肺癌瘤的时间和提高了一致性. 这种人工智能辅助的方法提高了放射瘤学专业人员的临床工作流程效率.
科学领域:
- 医疗成像医学成像
- 在瘤学中使用人工智能
- 辐射治疗计划 辐射治疗计划
背景情况:
- 精确的瘤轮对于有效的放射治疗至关重要.
- 手动轮的观察者间的变化可能会影响治疗的一致性.
- 深度学习 (DL) 提供了自动化和标准化医疗图像分析的潜力.
研究的目的:
- 评估DL辅助的交互式轮工具对观察者之间的变异性的影响.
- 评估DL工具对瘤轮所需时间的影响.
- 为了比较DL辅助轮与非小细胞肺癌 (NSCLC) 的标准手动方法.
主要方法:
- 9名临床医生从10名NSCLC患者的PET-CT扫描中对总瘤体积 (GTVs) 进行了轮.
- 每位临床医生都在不同的场合对相同的病例使用了DL辅助和手动轮工具.
- 两种方法的边形精度和时间效率进行了比较.
主要成果:
- 使用DL辅助工具,可将活动轮时间减少23% (p < 0.01).
- 每个病例的平均轮时间从22分钟减少到19分钟.
- 在具有挑战性的瘤区域中,DL辅助减少了轮变化,而共识轮仍然相似.
结论:
- DL辅助轮显著减少了肺癌GTV划界的活跃轮时间和局部观察者间变异性.
- 将DL工具集成到临床工作流程中可以提高轮效率并帮助临床医生.
- 这项技术对改善辐射疗法规划的标准化充满希望.
