自动脊椎识别和定位用于增强放射治疗患者的设置

科学领域:

• 医疗成像医学成像
• 辐射疗法 辐射疗法
• 人工智能在医学中的应用

背景情况:

• 用于放射治疗患者定位的脊椎体的手动识别是耗时且容易出现错误的.
• 不准确的患者对齐可能导致严重的治疗错误.
• 需要自动化解决方案来简化放射治疗的设置过程.

研究的目的:

• 开发和验证用于脊椎识别和定位的自动化技术.
• 为了提高基于图像的患者定位在放射治疗中的准确性和效率.
• 为各种成像条件和临床环境创建一个广泛适用的模型.

主要方法:

• 一项使用基于nnU-Net的模型进行自动脊椎识别和定位的回顾性研究.
• 培训涉及一个大型数据集,结合了公共 (SpineWeb,Verse19,Verse20,Spine1K) 和临床机载CT扫描.
• 实施了四步后处理程序以提高准确性,考虑到解剖变异和异常.

主要成果:

• 实现了高识别率:97.99%的公共数据集和99.76%的临床数据集.
• 平均定位误差很低: 1.64 ± 1.23 毫米 (公共) 和 1.74 ± 1.36 毫米 (临床).
• 建立了切口特定的精度值:10毫米 (宫),15毫米 (胸部) 和19毫米 (腰部).

结论:

• 自动化方法提供了准确和广泛适用的脊椎识别和定位.
• 这种技术有可能显著提高放射治疗设置工作流程.
• 该模型可以作为一种有价值的临床工具,用于提高患者定位的准确性.