ディープラーニングアンサンブルを用いた仙骨脊索腫と周囲の筋肉の自動セグメンテーション。

原題
Automated Segmentation of Sacral Chordomas and Surrounding Muscles Using Deep Learning Ensemble.
背景:放射線腫よう治療計画における臓器構造の手動分割は、特に仙骨脊索腫のような稀な腫ように対して時間がかかる。本研究では、仙骨脊索腫の肉眼的腫瘍体積(GTV)と周囲の筋構造を正確にセグメント化するための自動ディープラーニングモデルの使用を評価した。
方法:専門の放射線腫瘍医が、48人の患者のCT画像上で筋構造と仙骨部脊索腫GTVの輪郭を描いた。6つの深層学習モデルは、3D U-Netおよび残差3D U-Netアーキテクチャを使用してトレーニングされた。予測性能を向上させるためにアンサンブルが作成された。評価は、体積ダイス類似係数(VDSC)、表面ダイス類似係数(SDSC)、および平均対称表面距離(ASSD)を用いて行った。専門家がDL輪郭の臨床的実行可能性を評価した。
結果:アンサンブルが最もよく機能した。最適アンサンブルは各構造に対して高い類似性係数を示した。定性的には、最良のモデルは描写時間を平均19分に短縮した。
結論:ディープラーニングとアンサンブルモデリングを用いたこの方法論は、専門家レベルの筋肉と腫瘍のセグメンテーションを提供し、治療計画を改善し、肉腫や他の疾患における臨床標的体積の描写を自動化することができる。
Journal: Int J Radiat Oncol Biol Phys
DOI: 10.1016/j.ijrobp.2023.03.078
PMID: 37451472