原題
Enhancing Precision in Cardiac Segmentation for MR-Guided Radiation Therapy through Deep Learning.
背景:本研究では、MRガイド下放射線治療(MRgRT)を用いた心臓温存の可能性に焦点を当てた。本研究では、深層学習フレームワークであるnnU-Netの使用を拡張し、部分構造セグメンテーションのための自己蒸留を含めた。
方法:研究者らは、胸部または腹部の放射線治療を受けた患者18人を分析した。2人の放射線腫瘍医が異なる心臓の下部構造を描出した。これらのデータセットを用いて、深層学習システムを訓練し、検証し、テストした。視覚的チェック、幾何学的指標、および臨床線量体積ヒストグラムをすべて評価した。
結果:深層学習モデルは標準モデルよりも優れており、幾何学的指標および線量容積ヒストグラムに対してより強い結果を示した。このモデルは、異なる施設の両方の患者セットで良好に機能した。
結論:本研究は、この新しい方法論が、低磁場MRgRTにおけるより迅速でより信頼性の高い心臓下部構造セグメント化を達成する上で有意な改善であると結論付けている。このアプローチは、癌治療中の心臓温存を改善することを約束する。
Journal: Int J Radiat Oncol Biol Phys (CiteScore 2022: 11)
DOI: 10.1016/j.ijrobp.2024.05.013
PMID: 38797498
コメント