原題
Uncertainty estimation- and attention-based semi-supervised models for automatically delineate clinical target volume in CBCT images of breast cancer.
背景:本研究では、乳癌CBCT画像における臨床標的容積(CTV)を描写し、適応放射線療法(ART)を支援するために、不確定性推定と注意に基づく半教師付きモデル、RCBA-UAMTを提案した。
方法:以前に放射線療法を受けた60人の患者にモデルRCBA-UAMTを用いた。モデルを訓練し、ラベル付きデータの異なる割合で評価し、セグメンテーション性能の評価を4つの指標を用いて行った。
結果:RCBA-UAMTモデルは、従来の方法よりも改善されたセグメント化パフォーマンスを示した。特に、ラベル付きデータのわずか10%を使用することで、結果が大幅に改善されることが観察された。
結論:RCBA-UAMTは、少量のラベル付きデータのみで乳癌CBCT画像におけるCTVの輪郭を効果的に示すことができる。これにより、CTVの変化の観察とその後のARTの実施が容易になる。
Journal: Radiat Oncol (CiteScore 2022: 6.6)
DOI: 10.1186/s13014-024-02455-0
PMID: 38811994
Open Access
コメント