对前列腺癌和宫癌CT自动直肠细分的模型性能和临床有用性的评估
Paria Naseri1, Daryoush Shahbazi-Gahrouei1, Saeed Rajaei-Nejad2
1Department of Medical Physics, School of Medicine, Isfahan University of Medical Sciences, Isfahan 81746-73461, Iran.
Diagnostics (Basel, Switzerland)
|December 11, 2025
概括
这项研究开发了一种性别意识的深度学习模型,用于精确的骨盆CT扫描中直肠细分,提高放射治疗计划的效率和一致性. 人工智能模型在分类患者的性别和分隔直肠方面取得了很高的准确性,大大减少了手工轮时间.
科学领域:
- 医疗成像医学成像
- 人工智能的人工智能
- 辐射疗法 辐射疗法
背景情况:
- 精确的直肠划界对于盆腔癌治疗计划至关重要.
- 手动细分是耗时的,容易引起观察者之间的变化.
- 性别特定的解剖学差异可以提高细分的准确性.
研究的目的:
- 开发和验证一个性别意识的深度学习管道,用于CT扫描中的自动直肠细分.
- 利用患者的性别分类来改善前列腺癌和宫癌的细分性能.
- 评估人工智能驱动细分方法的临床实用性和效率.
主要方法:
- 一个两阶段的深度学习管道,使用186名患者的CT扫描.
- 第一个阶段:CNN模型用于自动化患者性别分类.
- 第二阶段:性别意识的U-Net模型用于自动直肠细分,结合性别特征.
主要成果:
- 性别分类模型实现了94.6%的准确性 (AUC = 0.98).
- 在细分输出中改善了解剖学一致性.
- 高子相似系数 (DSC) 值 (0.91对于前列腺,0.89对于宫).
- 临床上可以接受的表面距离指标 (HD: 3.4 ± 0.8 mm,ASD: 1.2 ± 0.3 mm).
- 缩短了轮时间,从12.7分钟减少到4.3分钟.
- 89.2%的自动轮被辐射瘤学家评为优秀.
结论:
- 性意识深度学习框架在盆腔CT成像中提供了准确和强大的直肠细分.
- 显式建模性别特异的解剖学差异可以提高细分性能.
- 这种人工智能方法提高了放射治疗工作流程的轮效率和临床一致性.
