原題
Multi-reader evaluation of deep learning-based auto-segmentation of eloquent brain arteriovenous malformation on MRA and white matter tractography in stereotactic radiosurgery.
背景:白質路付近の雄弁なbAVMsの手動セグメンテーションは遅く、変動しやすい;トラクトグラフィーをSRS計画に統合することで、WM損傷を減らすことができる。
方法:153で訓練された2段階DLアンサンブル(2D検出+3Dセグメンテーション)であるTBASEを構築し、38でテストした。ResNetおよびU-Netと比較した。無作為化マルチリーダー:目に見えない症例10例、臨床医6名;TBASEの有無にかかわらずDSC、ハウスドルフ距離、および輪郭形成時間を測定した。
結果:TBASE:DSC 0.87±0.03、HD 3.51±0.26(ResNet/U-Netより良好)。リーダーDSCは0.76±0.07から0.86±0.05に上昇し、HDは4.31±0.68から3.35±0.17に低下し(P<0.001)、時間は約52%低下した。経験の少ない読者にとっては大きな利益。
結論:TBASEは雄弁なbAVM描写の精度と効率を改善し、WM-経路保護を支援する。
Journal: Radiat Oncol (CiteScore 2022: 6.6)
DOI: 10.1186/s13014-026-02811-2
PMID: 41772699
コメント