原題
The impact of multicentric datasets for the automated tumor delineation in primary prostate cancer using convolutional neural networks on (18)F-PSMA-1007 PET.
背景:畳み込みニューラルネットワーク(CNNs)は放射線腫よう学における輪郭形成を強化するが、異なる施設やスキャナ間での適応性には課題がある。本研究では、施設固有のデータセットが臨床現場におけるCNNの一般化に及ぼす影響を調査する。
方法:nnU-Netは、データ中心の分析と5-Fold Cross-Validationを利用して、4つの施設からの161のF-PSMA-1007 PET画像で訓練され、多施設および単一施設の訓練アプローチの性能を比較した。
結果:混合トレーニングアプローチでは、ダイス類似度スコア(DSC)の中央値は0.76であり、多施設データセットを用いた一部のコホートではパフォーマンスが大幅に改善された。
結論:多様なデータセットで訓練されたCNNsは一般によく一般化され、多施設訓練は単一施設訓練と比較して前立腺内GTVセグメンテーションのパフォーマンスを向上させた。
Journal: Radiat Oncol (CiteScore 2022: 6.6)
DOI: 10.1186/s13014-024-02491-w
PMID: 39113123
コメント