通过深度学习对有风险的器官细分进行以几何为中心的培训和评估
Ruiyan Ni1, Elizabeth Chuk2,3, Kathy Han2,3
1Department of Medical Biophysics, University of Toronto, Toronto, Canada.
Medical physics
|April 25, 2025
概括
一个新的加权子相似系数 (wDSC) 度量提高了对放射治疗的风险器官 (OAR) 分段精度. 这种几何指标与剂量测量准确度相关,有助于宫癌治疗计划.
科学领域:
- 医学物理 医学物理
- 辐射疗法 辐射疗法
- 深度学习 (Deep Learning) 是一种深度学习.
背景情况:
- 深度学习显示了在放射治疗中自动化风险器官 (OAR) 分段的前景.
- 一个关键的挑战是缺乏几何指标来确定剂量测量准确度,特别是在接近目标的结构中.
- 宫癌支臂疗法和适应性放射疗法系统优先考虑OAR接近剂量规划的目标.
研究的目的:
- 开发和评估一种新的,以几何学为重点的深度学习培训方法和OAR细分指标.
- 引入距离处罚 (DP) 损失函数,以强调接近目标的OAR区域.
- 引入和评估一个加权的子相似系数 (wDSC),与OAR D2cm3相关联,以达到剂量计准确度.
主要方法:
- 在170张T2加权的MR图像上训练了一个3D U-Net架构.
- 使用距离图来惩罚交叉 (CE) 和 DiceCE损失函数.
- 开发了wDSC指标,结合加权因素来强调OAR准确度接近高风险临床目标体积 (CTVHR).
- 皮尔森相关系数 (r) 评估了D2cm3准确度与六个评估指标之间的关系.
主要成果:
- wDSC与D2cm3准确度有中等相关性 (r = -0.55),表现优于标准指标.
- 使用DP损失函数的模型显示wDSC和D2cm3精度有所提高.
- 临床可接受性测试显示,膀和直肠轮的接受率超过94%,而Sigmoid和小肠轮的接受率约为50%.
结论:
- wDSC作为D2cm3精度的更好的指标,可能作为子宫支臂治疗中剂量计精度的替代品.
- DP损失模型显示了改进的几何和剂量测量性能.
- 这种方法可以增强适应性放射治疗的OAR划分.
