原題
Radiomics-guided Automatic Delineation for Clinical Target Volume of Endometrial Cancer: Limited-sample Multi-center Study.
背景:子宮内膜癌の術後骨盤CTV描出における施設間変動は、限られたデータでの深層学習セグメンテーションを妨げる。
方法:5つのセンターからの207のCTと26の外部症例。ラジオミクスは、センター間の違いを特定し、3D U-Net(MAML-r)のガイド付きMAML事前トレーニングを行い、センターごとに微調整した。ベンチマークと他のトレーニング;DSC、HD95、ASSD、および盲検化された専門家のスコアによって評価された。
結果:MAML-rはDSC 0.818と外部DSC 0.886を生成し、改善されたHD95/ASSDと最速の編集(3.8分)で、他の方法よりも優れていた。
結論:ラジオミクスガイド付きMAMLは、ロバストな少数ショット多施設CTVセグメンテーションを可能にし、輪郭スタイルの変動とデータ不足を緩和する。
Journal: Int J Radiat Oncol Biol Phys (CiteScore 2022: 11)
DOI: 10.1016/j.ijrobp.2026.04.014
PMID: 41997452
コメント