原題
Extended nnU-Net for brain metastasis detection and segmentation in contrast-enhanced MRI with a large multi-institutional dataset.
背景:本研究は、MRIにおける脳転移(BM)の検出とセグメント化のための自己適応nnU-Netフレームワークを強化することを目的とした。
方法:6つの適応nnU-Netシステムを、合成BMによる増強を含む2092人の患者の3DポストGd T 1強調MRIを用いて訓練した。検出およびセグメンテーションは、感度、偽陽性(FP)率、ダイス類似係数(DSC)、およびハウスドルフ距離を含む様々な指標を用いて評価した。
結果:適応ダイス損失を有するnnU-Netは他のシステムよりも優れており、全体の感度は0.904、DSCは0.758を達成した。感度および精度はデータセット間で維持された。
結論:改善されたnnU-Netフレームワークは、制御されたFP率で小さなBMを効果的に検出し、早期BM検出と定位放射線手術(SRS)計画における臨床応用の可能性を強調した。
Journal: Int J Radiat Oncol Biol Phys (CiteScore 2022: 11)
DOI: 10.1016/j.ijrobp.2024.07.2318
PMID: 39059508
コメント