CT画像上の頭頚部リンパ節の自動セグメンテーションのための様々なアルゴリズムの評価。

原題
Evaluation of different algorithms for automatic segmentation of head-and-neck lymph nodes on CT images.
背景:本研究は、CT画像上の頭部および頚部癌患者の選択的リンパ節の自動セグメント化のための4つのアトラスベースおよび2つの深層学習ソリューションのパフォーマンスを比較することを目的とした。
方法:この研究には、頭頸部がん患者69人が含まれていた。両側の選択的リンパ節を描出するために、造影増強計画CTスキャンを用いた。患者のサブセットをアトラスライブラリおよびモノセントリック深層学習モデルトレーニングに使用し、残りの患者を検査に使用した。3つの商用マルチアトラスベースの方法と1つのマルチセントリック深層学習ソリューションも評価された。評価指標には、体積ダイス類似度係数(DSC)および95パーセンタイルハウスドルフ距離(HD)が含まれた。4人の医師による盲検評価も実施され、1人の医師が手動修正に必要な時間を記録した。最後に、自動計画を用いた線量測定研究が実施された。
結果:全体として、深層学習ソリューションは、アトラスベースの方法と比較して、より良いDSCおよびHD結果を示した。2つの深層学習ソリューション間に有意な差はなかった。しかし、多中心深層学習ソリューションの輪郭はすべての医師に好まれ、手動修正に必要な時間が短縮された(平均1.1分)。アトラスベースの輪郭の手動修正には平均6.52分かかった。CTVn2からCTVn3およびCTVn4にかけて輪郭精度の低下が観察された。治療計画における自動セグメンテーション輪郭の使用は、選択的標的体積の過少投与につながった。
結論:多中心深層学習法は最も高い描写精度を示し、専門家に支持された。選択的標的容積の過少投与を回避するためには、依然として手動補正が必要である。自動セグメンテーション輪郭の使用は、手動描写の作業負荷を低減することができる。
Journal: Radiother Oncol (CiteScore 2022: 10.5)
DOI: 10.1016/j.radonc.2023.109870
PMID: 37634765