在单一数据集上训练的多供应商胸部器官自细分模型的性能
Sevgi Emin1, Elia Rossi2, Mattias Hedman2
1Department of Nuclear Medicine and Medical Physics, Karolinska University Hospital, 171 76 Stockholm, Sweden; Department of Oncology-Pathology, Karolinska Institutet, 171 77 Stockholm, Sweden.
概括
人工智能 (AI) 自分模型在肺癌患者的许多胸部危险器官 (OAR) 中表现强,超过了人类的可变性. 然而,人工智能与诸如臂,肺静脉和下腔静脉等复杂的器官作斗争.
科学领域:
- 放射治疗
- 医学成像
- 人工智能
背景情况:
- 对有风险的胸部器官 (OAR) 进行人工智能 (AI) 自动细分的评估对于临床采用至关重要.
- 由于培训数据集的多样性,商业人工智能解决方案的内在性能难以评估.
- 挑战性胸部OAR被选择用于识别AI的局限性.
研究的目的:
- 评估基于人工智能的胸部OAR自细分模型的划线质量.
- 将人工智能模型的性能与专家手动细分和观察者之间的变化性进行比较.
- 识别AI自动细分面临局限性的特定OAR.
主要方法:
- 供应商使用提供的培训数据集开发了三种AI模型.
- 在250名肺癌患者的盲目数据集上测试模型.
- 定量指标包括子相似系数 (DSC),表面 DSC (sDSC),豪斯多夫距离 (HD95) 和平均对称表面距离 (ASSD).
主要成果:
- 大多数OAR达到高的DSC (> 0. 8) 和sDSC (> 0. 8) 值.
- 臂,肺静脉和下腔静脉是AI自分化的最大挑战.
- 人工智能模型的性能在所有评估指标中都超过了观察者之间的变化.
结论:
- 人工智能模型对几个胸部OAR表现出强的表现.
- 人工智能自行细分与分支结构和图像对比度差的器官作斗争.
- 需要进一步开发以提高复杂的OAR划分的AI性能.


