简化胸部放射治疗质量保证:用于自动化OAR轮评估的一类分类
Yihao Zhao1,2, Cuiyun Yuan1, Ying Liang1
1National Cancer Center/National Clinical Research Center for Cancer/Cancer Hospital & Shenzhen Hospital, Chinese Academy of Medical Sciences and Peking Union Medical College, Shenzhen, Guangdong, China.
Technology in cancer research & treatment
|May 22, 2025
概括
使用新型一级支向量机 (OC-SVM) 模型自动化放射治疗轮质量保证 (QA) 显著提高了准确性. 这种人工智能驱动的方法可以有效地检测轮错误,减少医生在治疗规划中的工作量.
科学领域:
- 医学物理 医学物理
- 放射疗法是一种放射治疗.
- 人工智能的人工智能
背景情况:
- 放射治疗治疗计划中的自动轮减少了医生的工作量,并提高了一致性.
- 对于自动化轮的手动质量保证 (QA) 是耗时且主观的.
- 目前需要一个有效的自动化质量保证流程来划分处于危险的器官 (OAR).
研究的目的:
- 开发和评估由自动细分算法生成的OAR轮的自动化QA模型.
- 评估模型检测各种轮质量级别和类型错误的能力.
- 为了减少医生在放射治疗规划中的负担.
主要方法:
- 使用AAPM胸部自分区挑战数据集用于OAR (肺,心脏,食道,脊髓).
- 采用ResNet-152网络作为特征提取器和一类支向量机 (OC-SVM) 进行分类.
- 通过转换/大小调整生成低质量的轮,并评估与子相似系数 (DSC) 和豪斯多夫距离95% (HD95) 等指标的相关性.
主要成果:
- OC-SVM模型在平衡精度和ROC曲线下的面积 (AUC) 中表现出比二进制分类器更好的性能.
- 该模型有效地检测到高可解释性的多种轮错误.
- 在自动检测极限和已建立的轮指标 (体积,DSC,HD95,MSD) 之间发现了强烈的相关性.
结论:
- 一个注意力机制集成的OC-SVM框架自动化了放射治疗中OAR划线的质量保证.
- 这种方法可以准确地检测出各种轮错误,大大减轻了医生的工作量.
- 该模型提供了一个强大的解决方案,以确保自动化放射治疗规划中的轮质量.
