原題
Deep learning-based auto-contouring of organs/structures-at-risk for pediatric upper abdominal radiotherapy.
背景:この研究は、リスクのある臓器(OAR)の描写に焦点を当てて、小児上腹部腫瘍における多臓器セグメンテーションのためのCTベースのモデルを作成することを目的とした。
方法:解析には、腎腫瘍および神経芽腫を有する小児患者189人からの院内CTと、同様のサイズの公開データセットを利用した。17のOARを2種類のセグメンテーション法を用いて描写した。モデルを訓練し、それらのパフォーマンスを様々な指標を用いて評価した。臨床的受容性は2名の臨床医によって評価された。
結果:モデル-PMC-UMCUは5つのOARに対して高い平均DSC値(>0.95)を示したが、他は低かった。結合されたモデルは、データセット全体のパフォーマンスの堅牢性を向上させた。
結論:開発したセグメンテーションモデルはロバストであり、OAR描写のための臨床設定に適用可能である。
Journal: Radiother Oncol (CiteScore 2022: 10.5)
DOI: 10.1016/j.radonc.2025.110914
PMID: 40328363
コメント