一名学生训练有素的卷积神经网络与商业人工智能软件竞争,并且是有风险的器官分割专家
Sophia L Bürkle1, Dejan Kuhn2, Tobias Fechter2,3
1Department of Radiation Oncology, University Medical Center Freiburg, Faculty of Medicine, University of Freiburg, Freiburg, Germany. sophia.buerkle@uniklinik-freiburg.de.
Scientific reports
|October 30, 2024
概括
一个使用卷积神经网络 (CNN) 的新人工智能 (AI) 系统在自动细分患前列腺癌辐射治疗风险的器官方面表现有前途. 这种人工智能工具可以帮助瘤学家准确识别膀和直肠,改善治疗计划.
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:
- 精确的风险器官细分 (OAR) 对于前列腺癌 (PCa) 的高质量放射治疗 (RT) 计划至关重要.
- 手动细分是耗时的,并且受观察者之间的变化影响.
- 开发自动化细分工具可以提高RT规划的效率和一致性.
研究的目的:
- 训练和测试一个卷积神经网络 (CNN),用于前列腺癌患者的膀和直肠的自动细分.
- 开发一种临床适用和强大的人工智能 (AI) 系统,以协助放射瘤学家在OAR细分方面.
- 为了评估CNN的性能与手动轮和商业AI工具相比.
主要方法:
- 一项回顾性多中心研究使用了来自诊断68Ga-PSMA-PET/CT和计划CT的CT数据集.
- 一个CNN在手动轮数据上受过训练,随后得到了验证和测试.
- 使用迪斯-索伦森系数 (DSC),视觉分析和图灵测试来评估性能,将CNN细分与专家绘制的轮进行比较.
主要成果:
- 美国有线电视新闻网 (CNN) 在膀和直肠的中位数DSC>0.87方面取得了出色的表现.
- 视觉评估表明67% (膀) 和75% (直肠) 的CNN细分是可接受的治疗规划.
- 美国有线电视新闻网通过了图灵测试,错误分类率为45.5% (膀) 和51.1% (直肠),证明了其临床适用性.
结论:
- 基于CNN开发的AI系统,证明了OAR细分在前列腺癌RT规划中的高准确性和临床适用性.
- 与商业人工智能工具相比,CNN显示出更高的性能.
- 这种人工智能系统有可能在日常临床实践中显著支持放射瘤学家,提高工作流程效率和治疗质量.
