在日常例行实践中,对基于人工智能的自动轮软件的稳定性评估.
Jimmy Fontaine1, Maud Suszko1, Francesca di Franco2
1Centre Marie Curie, Valence, France.
概括
随着软件更新,AI轮精度得到了改进,显示出对微小图像变化的稳定性. 然而,随着图像噪声的增加和空间分辨率的恶化,AI性能显著下降,这凸显了持续质量控制的需要.
科学领域:
- 医学物理 医学物理
- 放射治疗技术 放射治疗技术
- 人工智能在医学中的应用
背景情况:
- 基于人工智能的自动轮在放射治疗规划中提供了效率提升.
- 严格的验证和日常监控对于AI轮工具至关重要.
- 了解不同条件下的AI性能对于临床采用至关重要.
研究的目的:
- 评估AI软件更新对轮精度的影响.
- 评估图像质量变化如何影响AI轮性能.
- 为了验证用于放射治疗应用的AI轮.
主要方法:
- 对两组患者的分析:软件更新 (40张CT扫描) 和图像质量 (20名患者).
- 六个Limbus AI软件版本和三个重建算法 (标准,iDose,IMR) 的比较.
- 使用体积计子相似系数 (vDSC) 和95%的豪斯多夫距离 (HD95%) 来评估AI性能,并模拟噪音和空间分辨率恶化.
主要成果:
- 人工智能轮精度 (vDSC) 通过软件更新通常得到改善 (平均DSC≥0.75).
- 人工智能轮显示出对轻微重建变化的稳定性;中位数HD95%保持在可接受的范围内 (<12毫米).
- 观察到显著的性能下降,图像噪声增加 (vDSC从89%降至30%) 和空间分辨率减少 (vDSC从87%降至70%).
结论:
- 人工智能轮精度通过软件更新得到增强,并且对微小的重建变化具有强大性.
- 人工智能性能对图像噪声和空间分辨率降低非常敏感.
- 持续的验证和质量控制对于放射治疗中可靠的AI轮是必不可少的.
