原題
Comparison of deep learning networks for fully automated head and neck tumor delineation on multi-centric PET/CT images.
背景:研究者らは、陽電子放出断層撮影(PET)およびコンピュータ断層撮影(CT)の使用を含む、頭頸部がん(HNC)腫瘍に対する深層学習ベースの自動セグメント化の使用を探求している。大きな課題は全身スキャンである。
方法:全PET/CTボディスキャンにおけるHNC腫瘍の位置を特定するためのRetina Unet、および関与するリンパ節を含む腫瘍セグメント化のためのUnetを使用する;評価にはDice類似係数およびハウスドルフ距離メトリックを使用した。このモデルは、抽出されたコホートで訓練および検証され、さらに3つの異なる施設のPET/CTスキャンで試験された。
結果:改善された腫瘍局在は、外部試験で6.8 cm未満の最大差で観察された。これらのモデルは同様の結果を示したが、外部コホートを直接試験した場合にはパフォーマンスがいくらか低下した。施設固有のトレーニングは、試験したすべてのモデルのパフォーマンスを改善した。
結論:通常のUnetは、交差検証およびほとんどの外部テストで最も優れたパフォーマンスを示した。施設固有の転移学習は、HNCセグメンテーションのパフォーマンスを改善する可能性があり、2D Retina Unetsは通常のUnetと同等のパフォーマンスで有望である。
Journal: Radiat Oncol (CiteScore 2022: 6.6)
DOI: 10.1186/s13014-023-02388-0
PMID: 38191431
Open Access
コメント