原題
Deep learning based automatic segmentation of organs-at-risk for 0.35 T MRgRT of lung tumors.
背景:磁気共鳴イメージング誘導放射線療法(MRgRT)はリスク臓器(OARs)の手動描写を必要とし、これは時間がかかり、変動しやすい。本研究は、MRgRTからの胸部MRIにおけるOARsへの深層学習自動セグメンテーション(DLAS)の適用を検討することを目的とした。
方法:0.35 T MR-Linacで治療した患者からの122の計画MRIの遡及的収集。3D U-Netは、左肺、右肺、心臓、大動脈、脊柱管、および食道をセグメント化するように訓練された。結果は、類似係数を用いて臨床的に使用された輪郭と比較され、放射線腫瘍医によって臨床的有用性に基づいて等級付けされた。
結果:類似性係数の中央値は0.78から0.96の範囲であり、ハウスドルフ距離は2.6から5.8 mmの範囲であった。医師は臨床的輪郭よりもDLAS輪郭を好んだ。
結論:3D U-Netを用いたDLASは、胸部領域に正確な描写をもたらし、医師による手動描写よりも好まれた。
Journal: Radiat Oncol (CiteScore 2022: 6.6)
DOI: 10.1186/s13014-023-02330-4
PMID: 37574549
Open Access
肺腫瘍の0.35 T MRgRTに対するリスク臓器の深層学習に基づく自動分割。
Others
コメント