原題
Deformable registration for nasopharyngeal carcinoma using adaptive mask and weight allocation strategy based CycleFCNs model.
背景:正確な腫瘍の描写は癌治療において極めて重要であるが、既存の深層学習法は、MRスキャンの制限および様々なマルチモーダル画像角度によってもたらされる課題をしばしば見逃している。本研究は、上咽頭癌に対するCTとMR画像間の位置合わせ精度を高めることを目的としている。
方法:本研究は269例を対象とし、188例が訓練、81例が検査であった。適応マスクと重み配分戦略を組み込んだ変形可能なレジストレーションにCycleFCNsモデルを利用した。登録精度は、ダイス類似性係数、ハウスドルフ距離、精度、および再現率を用いて評価し、提案した方法をRayStation、Elastix、およびVoxelMorphと比較した。
結果:提案した方法は、RayStationと比較して、特にダイス類似性係数の増加と主要な解剖学的構造のハウスドルフ距離の減少という改善された登録結果を示し、モデル性能を有意に向上させた(P<0.001)。
結論:NPC症例に対するマルチモーダルイメージングにおける登録精度の向上は、より良い腫瘍セグメンテーション、最適化された治療計画、および患者の転帰の改善につながる可能性がある。
Journal: Radiat Oncol (CiteScore 2022: 6.6)
DOI: 10.1186/s13014-025-02603-0
PMID: 40001040
コメント