宫癌支臂疗法间位引导自动临床瘤体积细分网络用于宫癌支臂疗法

科学领域:

• 医疗成像医学成像
• 人工智能在瘤学中的应用
• 辐射瘤学 辐射瘤学

背景情况:

• 自动临床瘤体积 (CTV) 划分对于宫癌治疗中有效的间歇性支臂疗法至关重要.
• 深度学习细分模型面临挑战,因为灰色值差异是由间歇性针造成的.

研究的目的:

• 提出一种新的间位导向细分网络 (ARGNet),以改善椎瘤在支臂治疗中的细分.
• 解决基于深度学习的细分模型中间歇性针所带来的挑战.

主要方法:

• 集成间歇性针位置信息使用多任务学习与交叉合方法.
• 实施一个空间反向注意力机制,以减少针引起的分心.
• 包括一个不确定性区域模块,以改善瘤和周围组织之间的边界辨别.

主要成果:

• 先进的反向引导网络 (ARGNet) 在宫瘤细分方面实现了最先进的性能.
• 191个CT扫描的实验结果表明,间歇性针特征提高了细分的准确性.
• 该模型被证明对放射治疗规划有好处.

结论:

• 拟议的ARGNet有效地利用间歇性针信息来增强宫瘤细分.
• 这种新的方法显着有望改善放射治疗规划和宫癌支臂疗法患者的治疗结果.