对前列腺癌患者的基于深度学习的自动细分的准确性评估
Hideharu Miura1, Soichiro Ishihara2, Masahiro Kenjo2
1Hiroshima High-Precision Radiotherapy Cancer Center, 3-2-2, Futabanosato, Higashi-ku Hiroshima 732-0057, Japan; Department of Radiation Oncology, Graduate School of Biomedical & Health Sciences, Hiroshima University, 1-2-3 Kasumi, Minami-ku, Hiroshima 734-8551, Japan.
概括
一个商业深度学习 (DL) 算法准确地细分了前列腺癌结构,包括前列腺,精液囊 (SV) 和风险器官 (OAR). 这种自动化细分实现了高质量的轮,与手工划分相美.
科学领域:
- 放射治疗瘤学 放射治疗瘤学
- 医疗成像医学成像
- 人工智能在医学中的应用
背景情况:
- 精确的前列腺和周围器官细分对于前列腺癌中有效的放射治疗计划至关重要.
- 手动划分是耗时的,并且受观察者之间的变化影响.
- 深度学习 (DL) 为自动化和一致的器官细分提供了一个潜在的解决方案.
研究的目的:
- 评估基于商业深度学习 (DL) 的算法对前列腺,精液囊 (SV) 和风险器官 (OAR) 的细分的准确性.
- 将自动细分结果与放射瘤学家执行的手动划分进行比较.
主要方法:
- 十名前列腺癌患者使用MVision AI Contour+进行了自动细分,并由放射瘤学家手动划分.
- 前列腺,SV,膀,直肠,大腿骨头和阴茎球泡在CT和MR图像上被划分出来.
- 用子相似系数 (DSC) 和95%的豪斯多夫距离 (HD95%) 来评估细分的准确性.
主要成果:
- 平均DSC值在0.64 (阴茎球泡) 到0.97 (大腿骨头) 之间,表明良好至优异的协议.
- 前列腺和SV的平均DSC分别为0.86和0.80.
- 所有器官都实现了HD95%小于3毫米,证明了高空间精度.
结论:
- 基于DL的商业自动细分解决方案为前列腺癌放射治疗规划提供了高质量,准确的轮.
- 自动化细分有望提高OAR划分的效率和一致性.
- 这项技术可以帮助放射瘤学家提供精确和个性化的癌症治疗.
