关于用于磁共振引导应用 (HNTS-MRG) 2024年挑战的头部和部瘤细分的概述
Kareem A Wahid1,2, Cem Dede1, Dina M El-Habashy1,3
1Department of Radiation Oncology, The University of Texas MD Anderson Cancer, Houston, Texas, USA.
ArXiv
|December 9, 2024
概括
人工智能 (AI) 显著先进的头癌 (HNC) 瘤细分用于MR导向放射治疗 (RT). 人工智能模型在划定瘤方面超过了人类的准确性,提高了治疗精度.
科学领域:
- 医疗成像医学成像
- 辐射瘤学 辐射瘤学
- 人工智能在医学中的应用
背景情况:
- 磁共振 (MR) 导向辐射疗法 (RT) 为头癌 (HNC) 治疗提供了卓越的软组织对比.
- 在HNC的MR引导RT中手动瘤细分是耗时且具有挑战性的.
- 需要大型,公开可用的AI-ready数据集,用于HNC的自适应RT.
研究的目的:
- 加速人工智能驱动的自动瘤细分领域的创新,用于HNC的MR导向RT.
- 为解决HNC的AI-ready适应式RT数据集的稀缺问题.
- 评估多个时间点数据的潜力,以改善RT自动细分.
主要方法:
- 为MR指导应用 (HNTS-MRG) 2024挑战赛组织了头部和部瘤细分.
- 参与者开发了人工智能算法,用于细分初级总瘤体积 (GTVp) 和总转移性区域淋巴结 (GTVn).
- 在150个培训和50个测试案例上使用Docker提交框架对RT前 (任务1) 和RT中期 (任务2) T2加权的MRI扫描进行了细分.
主要成果:
- 19个国际团队提交了算法,其中18个用于任务1和15个用于任务2.
- 顶级人工智能方法在任务1 (RT前) 和任务2 (RT中期) 中实现了0.825的子相似系数得分.
- 这些AI性能指标超过了临床医生观察者间可变性基准.
结论:
- 人工智能驱动的自动瘤细分显示了MR导向RT在HNC中的重大前景.
- HNTS-MRG挑战数据集和框架促进了该领域的进一步研究和开发.
- 人工智能方法可以在适应性RT的HNC瘤细分方面实现并超越人类专家的性能.
