基于人工智能的肺叶自动轮工具的开发和验证,使用放射治疗规划自由呼吸图像
Peter Ciaccio1, Joseph Lombardo2, Andrew Fuquay3
1Atrium Health Wake Forest Baptist Medical Center, Winston-Salem, United States.
概括
一个人工智能 (AI) 算法准确地自动轮肺叶,用于辐射治疗计划. 这种AI工具改善了肺叶细分,有助于预测肺癌治疗期间的肺毒性.
科学领域:
- 医疗成像医学成像
- 放射治疗瘤学 放射治疗瘤学
- 人工智能在医学中的应用
背景情况:
- 肺部毒性是肺部放射治疗期间的风险.
- 精确的肺叶剂量测量对于预测毒性至关重要.
- 手动的肺叶轮是耗时且具有挑战性的.
研究的目的:
- 开发和验证用于自动肺叶轮的AI算法.
- 在放射治疗规划中提高肺叶细分的准确性和效率.
主要方法:
- 在40名肺癌患者的专家轮肺叶数据上训练了一个残留的3D U-Net AI模型.
- 人工智能模型在10名患者身上经过验证,使用子相似系数 (DSC) 与临床医生的轮对比.
- 自由呼吸计算机断层扫描数据集用于轮.
主要成果:
- 人工智能肺叶自动轮算法与专家轮有很强的一致性.
- 整体子相似系数 (DSC) 为0.93,单个叶 DSCs 从0.88到0.95.
- 人工智能模型在对所有五个肺叶进行细分时取得了高准确性.
结论:
- 开发的AI算法在自由呼吸数据上提供了准确和验证的肺叶轮.
- 这种人工智能工具有可能简化放射治疗计划并提高毒性预测.
- 这项研究验证了AI在解决肺叶细分方面的挑战方面的有效性.
