原題
Dosimetric assessment of deep learning based organ-at-risk segmentation: insights from the HaN-Seg challenge.
背景:本研究は、深層学習OAR輪郭の臨床的適用性を評価するために線量測定評価を追加することにより、HaN-Seg頭と首の自動セグメンテーションの課題を拡張する。
方法:6チームは対造影CTとT1 MRI検査で30のOARを自動セグメント化した。幾何学的順位付けにはDSCおよび95%HDを用い、前方線量測定分析ではOARの線量制約コンプライアンス、優先度特異的パフォーマンス、腫瘍近接の影響、および幾何学的線量測定相関を評価した。
結果:14のテストケースでは、線量測定コンプライアンスはチーム間で類似していた(最高70.7%、最低67.7%)。優先度1のOARは14例中11例で制約を満たし、口腔および顎下腺のコンプライアンスは最も低かった。明確な幾何学的線量測定相関はない。
結論:全体的な線量測定コンプライアンスが高いことは、DL自動セグメンテーションの臨床的有用性を支持するが、腫瘍の近接性および分析限界は、幾何学的および線量測定的検証の組み合わせを正当化する。
Journal: Radiother Oncol (CiteScore 2022: 10.5)
DOI: 10.1016/j.radonc.2026.111387
PMID: 41581701
コメント