小容積のCT画像の深層学習セグメンテーションによる放射線治療計画

核心概念

小容積器官の正確なセグメンテーションは、放射線治療計画において重要である。本研究では、V-Netモデルを用いて小容積器官の自動セグメンテーションを改善する手法を提案した。

要約

本研究では、放射線治療計画のための医療画像の自動セグメンテーションに取り組んでいる。
まず、50件の3D頭頸部CT画像を用いてV-Netモデルを開発し、20種類の器官を自動セグメンテーションできるようにした。その際、特に小容積器官である眼球レンズのセグメンテーション精度を向上させるため、以下の3つの手法を検討した:

画像の正規化範囲の最適化
V-Netの分類閾値の最適化
Mask R-CNNによる器官領域の自動抽出

これらの手法を適用した結果、眼球レンズのDice係数が0.39から0.61に、Hausdorff距離が5.1 mmから2.6 mmに改善された。さらに、別の17件の臨床データでも同様の良好な結果が得られ、本手法の汎用性が確認された。
また、自動セグメンテーションと手動セグメンテーションによる眼球レンズへの線量評価を行ったところ、ほぼ同等の結果が得られた。このことから、本手法は臨床現場での活用が期待できる。
本研究では、小容積器官のセグメンテーション精度を向上させるための具体的な手法を示しており、放射線治療計画の自動化に貢献できると考えられる。

統計

眼球レンズの最大線量は手動セグメンテーションで8.8±2.8 Gy、自動セグメンテーションで13.8±6.5 Gyであった。
眼球レンズの平均線量は手動セグメンテーションで5.2±0.9 Gy、自動セグメンテーションで6.0±1.5 Gyであった。

引用

なし

抽出されたキーインサイト

Deep-learning Segmentation of Small Volumes in CT images for Radiotherapy Treatment Planning

by Jianxin Zhou... 場所 arxiv.org 04-08-2024

https://arxiv.org/pdf/2404.04202.pdf

深掘り質問

小容積器官以外の器官のセグメンテーション精度を向上させるための手法はあるか?

本研究では、小容積の器官である眼のレンズのセグメンテーション精度を向上させるために、画像の正規化範囲や分類閾値の最適化などの手法が提案されています。これらの手法は、特定の器官に焦点を当ててセグメンテーション精度を向上させることができます。他の器官に対しても同様の手法を適用することで、セグメンテーションの精度向上が期待されます。例えば、特定の器官における最適な正規化範囲や分類閾値を見つけることで、他の器官のセグメンテーション精度も向上させることができるでしょう。