事前情報は、術後乳癌放射線療法における腫瘍床の臨床標的容積の自動セグメント化を誘導した。

原題
Prior information guided auto-segmentation of clinical target volume of tumor bed in postoperative breast cancer radiotherapy.
背景:本研究では、手術後の影響のために困難であった癌治療における腫瘍床の自動標的体積(CTV-TB)セグメンテーション技術を強化するための事前情報の使用を検討する。
方法:変形可能な画像レジストレーションを用いて、術前の腫瘍輪郭を術後CTに転送した。この情報は、CTV-TBを予測するための自動セグメント化モデルの訓練に用いられた。結果は、110の術前画像と術後CT画像のペアを用いて、臨床的に承認された輪郭と比較された。
結果:事前情報で強化されたディープラーニングモデルは、この情報を欠いたモデルや従来の方法を採用したモデルと比較して、平均ダイス類似度係数を改善した。
結論:事前情報を実装することで、CTV-TB自動セグメント化における深層学習モデルの精度が向上し、術後乳癌放射線療法の効果的なアプローチが提供される。
Journal: Radiat Oncol (CiteScore 2022: 6.6)
DOI: 10.1186/s13014-023-02355-9
PMID: 37840132
Open Access