对基于深度学习的磁共振成像指导的宫支臂疗法目标自分化的评估

科学领域:

• 医学物理 医学物理
• 辐射瘤学 辐射瘤学
• 图像指导疗法是指导图像的疗法.

背景情况:

• 宫支臂治疗的目标细分是手动的,耗时的.
• 目前的方法涉及手动传播和编辑后续的分数.
• 这一过程可能会导致患者长时间的固定.

研究的目的:

• 为了评估宫支臂疗法自细分的临床影响.
• 评估基于人群和特定患者的自我细分模型.
• 将自动细分效率与当前的临床工作流程进行比较.

主要方法:

• 对28名本地晚期宫癌患者的回顾性分析.
• 使用基于人群和特定患者的模型生成自动细分.
• 由放射瘤学家手动编辑自分段,以进行偏差评估.

主要成果:

• 编辑自动细分更像是自动的,而不是临床结构.
• 几何和剂量测量差异与观察者之间的变异性相当.
• 自动细分编辑比传统的手动细分更快.
• 针对患者的模型比基于人口的模型需要更少的编辑.

结论:

• 自动细分引入了临床上无关紧要的偏差.
• 特定于患者的自动细分是一个节省时间的工具.
• 改善治疗物流和减少患者负担是潜在的好处.