人工智能在脑垂体腺瘤放射手术中的实用性:基于深度学习的自动细分模型及其临床适用性的评估

科学领域:

• 医疗成像医学成像
• 人工智能的人工智能
• 神经外科 神经外科

背景情况:

• 垂体腺瘤细分对于立体射线手术 (SRS) 规划至关重要.
• 手动细分是耗时的,容易变化.
• 自动化方法可能会提高效率和一致性.

研究的目的:

• 在MRI扫描中开发和评估用于自动化垂体腺瘤细分的深度学习模型.
• 评估SRS规划模型的准确性和临床实用性.
• 量化自动化细分对规划时间的影响.

主要方法:

• 一个nnU-Net深度学习模型在582名患者的MRI扫描中接受了训练,并进行了专家细分.
• 该模型的准确性被人类专家在146个未见过的案例中验证.
• 临床适用性和时间成本降低是主要的结果指标.

主要成果:

• 该模型获得了82.3% (瘤),63.9% (腺体) 和79.6% (视神经) 的Dice分数.
• 专家发现,20.6%的细分是可以在没有修改的情况下使用的,而52.7%的细分是经过小修改后使用的.
• 与手动创建相比,自动化细分减少了53.6%的规划时间.

结论:

• 自动细分模型在临床上适用于垂体腺瘤治疗计划,通常只需要轻微的手动调整.
• 该模型显著提高了SRS规划过程的效率.
• 将其集成到临床工作流中是可行的,并有可能进一步研究更广泛的实用性.