原題
Multimodality Multimask and Multitask Auto-Segmentation Network for Organs-at-Risk in Head and Neck Radiation Therapy.
背景:リスクのある頭頸部臓器の正確なセグメンテーションは困難であり、単一モダリティアプローチは軟部組織のコントラストを欠き、解剖学的変動性に失敗する。
方法:M3-Netは、注意誘導融合、階層的マルチマスク生成器、および変形可能な位置合わせによる関節セグメンテーションを介してCT検査とMRI検査を統合する。200件のレトロスペクティブ症例(160/20/20)について訓練を受け、10件のプロスペクティブ症例について検証された。
結果:推論時間は63.6%減少した(548±23秒→198±15秒)。臓器の60%はDice>0.88であり、M3 Netは臓器の93.3%で最もよく機能し、優れた表面距離を達成した。臨床ワークフローは、線量測定精度を維持しながら、輪郭形成時間を75%短縮した。
結論:M3 Netは、適応放射線療法に適した最新の効率的なマルチモーダル自動セグメンテーションを提供する。
Journal: Adv Radiat Oncol (CiteScore 2022: 4.5)
DOI: 10.1016/j.adro.2026.102084
PMID: 42472264
コメント