原題
Fully Automated Segmentation of [(18)F]FDG and [(68)Ga]/[(18)F]PSMA PET/CT Images via Data-Centric Deep Learning.
背景:LIONは、[F]FDGおよびPSMA PET/CTのためのPETのみの腫瘍セグメンテーションパイプラインであり、トレーニングデータ構成効果を評価した。
方法:5,209[F]FDGおよび2,046 PSMAスキャンで訓練した;補助クラスとして使用される生理学的取り込みを伴う臓器。腫瘍発生マップ(TOM)は空間的多様性を測定した。疾患特異的モデルと混合モデルを比較し、他のツールに対して多施設ホールドアウトでベンチマークした。
結果:臓器の状況により、Dice中央値は0.62→0.71(FDG)および0.75→0.83(PSMA)に上昇し、TOMはDiceと相関した(ρ=0.80、p=0.003)。500例の混合モデルは、3,031例のリンパ種モデルと一致した。LIONのDice中央値:0.71(FDG)、0.85(PSMA);他の選択肢よりも優れていた。
結論:LIONはPETのみのセグメンテーションを可能にし、空間多様性は性能を予測する。
Journal: J Nucl Med (CiteScore 2022: 12.9)
DOI: 10.2967/jnumed.126.272852
PMID: 42816125
コメント