原題
Deep Learning Auto-Segmentation Network for Paediatric CT Datasets: Can We Extrapolate from Adults?
背景:適応放散治療のためのAIベースの自動セグメント化モデルの効率性と一貫性は有望である。しかし、これらのモデルが小児CTデータおよびクロススキャナー適合性に及ぼす有効性は不明である。
方法:nnU-Netフレームワークを用いて、本研究では、成人、小児、および複合CTスキャンに関するセグメンテーションモデルを訓練し、臨床データおよびいくつかのオープンリポジトリを組み込んだ。
結果:成人データのみで訓練されたモデルは、特に0～2歳の小児データでは低いパフォーマンスを示した。小児訓練データを統合することにより、全年齢群で結果が著しく改善され、ロバストなクロススキャナ一般化がもたらされた。
結論:小児データを含めることは、年齢グループ間の効果的なセグメント化に極めて重要である。クロススキャナ一般化の成功は、モデルの実世界での臨床的適用性を示し、データセットの多様性の重要性を強調している。
Journal: Int J Radiat Oncol Biol Phys (CiteScore 2022: 11)
DOI: 10.1016/j.ijrobp.2024.01.201
PMID: 38246249
コメント