原題
Personalized auto-segmentation for magnetic resonance imaging-guided adaptive radiotherapy of large brain metastases.
背景:本研究では、効率的なオンライン描写のためのディープラーニング自動セグメンテーション(DLAS)モデルを用いて、磁気共鳴誘導適応放射線療法(MRgART)がどのようにして大きな脳転移(BM)の治療を強化できるかを検討した。
方法:177のBMからの画像を用いて基本的なDLASモデルを開発し、続いて20人の患者からの741のMR画像で訓練した個人化モデルを開発した。8人の患者を対象に、モデルの輪郭精度と手動描写に対する効率を評価した。
結果:パーソナライズされたDLASモデルは、基本モデルと剛体レジストレーションの両方よりも優れており、平均Dice類似係数は0.90であった。DLASアシスタントの描写は精度を大幅に改善し、輪郭形成時間を53.5%短縮した。
結論:パーソナライズされたDLASモデルは、大規模なBMに対するMRgARTワークフローの精度と効率性を向上させる。
Journal: Radiother Oncol (CiteScore 2022: 10.5)
DOI: 10.1016/j.radonc.2025.110773
PMID: 39914742
コメント