原題
Deep learning for contour quality assurance for RTOG 0933: In-silico evaluation.
背景:本研究は、最初に単一施設のデータセットで訓練されたCTスキャンからの海馬セグメンテーションのためのディープラーニング(DL)モデルを検証し、多施設の輪郭品質保証(QA)に対するその有効性を評価することを目的とした。
方法:DiceおよびHaussdorff距離指標を用いて、RTOG 0933データセットからの治療医師(TP)および施設観察者(IO)の輪郭に対して評価されたDLモデルの海馬輪郭。
結果:DLモデルはTP輪郭と比較してIO輪郭(Dice:74%/73%、HD:4.86/4.74)との優れた一致を示した。特に、輪郭の30%および線量計画の53%がQAに失敗し、DLモデルはQAタスクで0.80～0.91のAUCを達成した。
結論:これらの知見は、海馬セグメンテーションに関する多施設試験において、効果的な輪郭QAのための単一施設DLモデルの使用を支持するものである。
Journal: Radiother Oncol (CiteScore 2022: 10.5)
DOI: 10.1016/j.radonc.2024.110519
PMID: 39222847
コメント