一个多中心数据集用于淋巴结临床目标体积划定鼻癌的淋巴结
Xiangde Luo1,2,3, Wenjun Liao4, Yue Zhao1
1Department of Radiation Oncology, Radiation Oncology Key Laboratory of Sichuan Province, Sichuan Clinical Research Center for Cancer, Sichuan Cancer Hospital and Institute. Sichuan Cancer Center, Affiliated Cancer Hospital of University of Electronic Science and Technology of China, Chengdu, China.
Scientific data
|October 4, 2024
概括
开发用于鼻癌放射治疗的准确深度学习模型需要强大的数据集. 这项研究创建了一个用于淋巴结临床目标体积细分的多中心数据集,解决了轮变异性和数据稀缺性挑战.
科学领域:
- 放射疗法是一种放射治疗.
- 医疗成像医学成像
- 人工智能的人工智能
背景情况:
- 准确的淋巴结临床目标体积 (CTV) 划分对于鼻癌 (NPC) 放射治疗 (RT) 至关重要.
- 对于CTV预测的深度学习 (DL) 模型面临挑战,原因是轮变化和有限的数据共享.
- 现有的标准化努力还没有完全解决CTV划分的观察者之间的变化.
研究的目的:
- 在NPC放射治疗中开发和评估淋巴结 (LN) CTV划分的深度学习模型.
- 为自动LN CTV细分开发和评估建立一个基准数据集.
- 为了解决NPC的LN CTV划分中共享数据和轮变量的稀缺性.
主要方法:
- 从四个机构生成了262名受试者 (440张CT图像) 的回顾性多中心数据集.
- 根据LN参与和临床要求,六名临床专家手动划定了六个基本的LN CTV.
- 在创建的数据集上评估了最先进的细分算法.
主要成果:
- 开发的数据集包括来自各种扫描阶段,疾病阶段和治疗策略的各种计算机断层扫描 (CT) 图像.
- 专家手工划分作为评估细分算法的基础真理.
- 在这个基准数据集上对细分算法的初步评估显示,对于LN CTV细分有希望的结果.
结论:
- 这项工作介绍了在NPC放射治疗中LN CTV细分的新型多中心数据集.
- 该数据集可能是首个用于开发和评估LN CTV自动划分的数据集.
- 预计这项资源将作为未来关于自动化CTV细分研究的有价值的基准.
