原題
Localized fine-tuning and clinical evaluation of deep-learning based auto-segmentation (DLAS) model for clinical target volume (CTV) and organs-at-risk (OAR) in rectal cancer radiotherapy.
背景:深層学習自動分割(DLAS)モデルを臨床的に、特に直腸癌放射線療法に展開する場合、パフォーマンスの低下は重要な問題である。本研究の目的は、局所的な微調整により市販DLAS製品の精度を向上させることである。
方法:トレーニング、外部検証、および一般化可能性評価グループに分けられた120人のステージII/IIIの直腸がん患者の後ろ向き研究。DLASソフトウェアは、トレーニングデータを使用して局所的に微調整(LFT)され、パフォーマンスは、ダイス類似係数、95番目のハウスドルフ距離、感度、および特異度などの指標によって検証された。
結果:LFTは臨床標的容積(CTV)描出の精度を顕著に改善した。LFTモデルと事前訓練モデルは共にぼうこうと大腿骨頭に対して良好な精度を示した。LFTモデルは小腸のセグメント化において有意な増強を示した。
結論:LFT DLASは、組織の特性をモデル化するために効果的に適応する。市販のDLASソフトウェアは、局所的な微調整後に精度を向上させ、画像機器の変化に対して強い汎用性を示した。
Journal: Radiat Oncol (CiteScore 2022: 6.6)
DOI: 10.1186/s13014-024-02463-0
PMID: 38956690
コメント