原題
Domain-Adaptive and Per-Fraction Guided Deep Learning Framework for Magnetic Resonance Imaging-Based Segmentation of Organs at Risk in Gynecologic Cancers.
背景:磁気共鳴画像法(MRI)を放射線治療(RT)に統合するには、適応介入のための自動セグメンテーションが必要であるが、限られたデータがモデル開発を妨げている。本研究は、MRI上のリスクのある臓器セグメンテーションのための合成MRL支援ディープラーニングフレームワークを作成することを目的とした。
方法:婦人科癌の158人の患者と25のMRLスキャンの後ろ向きデータセットを利用して、サイクル一貫性のある敵対的生成ネットワークがCTデータからMRL画像を合成した。次に、ドメイン適応セグメンテーションネットワークを訓練して、リスクのある6つの臓器をセグメント化した。
結果:合成モデルはセグメンテーション精度を有意に改善し、放射線腫瘍医からの100%と98%の輪郭受容率を達成した。
結論:この枠組みは、適応RT治療および婦人科癌を超えた適用性を強化し、最終的には治療時間および臨床医の作業負荷を軽減する可能性がある。
Journal: Adv Radiat Oncol (CiteScore 2022: 4.5)
DOI: 10.1016/j.adro.2025.101745
PMID: 40166000
コメント