原題
Domain-adapted foundation model for automated cardiac CT substructure segmentation for thoracic radiotherapy.
背景:胸部放射線療法後の放射線誘発心毒性は特定の心臓下部構造への線量によって駆動され、RT計画のための自動化されたロバストな下部構造セグメンテーションが必要である。
方法:著者らはCardiacSubstructSeg(21の専門家標識下部構造を有する69の造影RTシミュレーションCT)を作成し、CTドメイン適応型自己教師あり事前訓練セグメンテーションフレームワークであるDINO-CardiacSegを開発した。同研究者らは、最先端のモデルと比較して5倍の交差検証を用い、TotalSegmentator心臓サブセット(n=603)を微調整して移行性を評価した。
結果:DINO-CardiacSegはCardiacSubstructSegで最高の性能(DSC 65.95%±7.91;HD95 7.91±4.40 mm)を達成し、小/低コントラスト構造セグメンテーションを改善し、良好に移動した(DSC 90.81%±8.23;HD95 6.07±13.17 mm)。
結論:CT特異的基礎事前トレーニングは、RTのための正確でスケーラブルな心臓下部構造セグメンテーションをもたらし、下部構造レベルの線量測定および心毒性リスク層別化を支持する。
Journal: Radiother Oncol (CiteScore 2022: 10.5)
DOI: 10.1016/j.radonc.2026.111619
PMID: 42242380
コメント