批量导出:通过Eclipse处理计划系统进行精选数据提取的自动化框架

科学领域:

• 医学物理 医学物理
• 辐射疗法 辐射疗法
• 机器学习 机器学习

背景情况:

• 深度学习模型需要大量的数据集来完成放射治疗任务,例如剂量预测.
• 目前从Eclipse TPS出口DICOM-RT数据是低效的,对于大数据集来说是不可扩展的.
• 有效的数据检索对于推进下游研究应用至关重要.

研究的目的:

• 为了简化和提高从Eclipse TPS中检索患者数据的效率.
• 开发一个精简的应用程序,用于处理计划,图像和结构集的并行出口.
• 克服手动数据出口的局限性,用于大规模研究.

主要方法:

• 使用Prism库开发了一个带有GUI的C#.NET应用程序.
• 集成的EvilDICOM可与Eclipse患者数据库无连接.
• 应用程序数据出口时间与基于DICOM文件体积的手动出口方法进行了比较.

主要成果:

• 与手动方法相比,该应用程序显著减少了出口时间,特别是在多个患者的情况下.
• 导出20名患者的数据 (~3000个DICOM文件) 需要10.22分钟的应用程序,而手动需要22.93分钟.
• 该应用程序在超过17000个DICOM文件中展示了线性时间性能和可扩展性.

结论:

• 创建了一个开源应用程序,用于从Eclipse TPS.快速和可扩展的患者数据采集.
• 该工具有效地解决了与大量手动DICOM文件导出相关的挑战.
• 这有助于机器学习模型培训和其他需要大量患者数据的研究.