文献

J-GLOBAL ID：202002270089833932   整理番号：20A0028042

肝臓癌における臓器構造のATLASおよび深層学習ベースの自動セグメンテーションの比較臨床評価【JST・京大機械翻訳】

Comparative clinical evaluation of atlas and deep-learning-based auto-segmentation of organ structures in liver cancer

著者 (15件)： Ahn Sang Hee (Department of Radiation Oncology, Proton Therapy Center, National Cancer Center, Goyang-si, South Korea) ,  Yeo Adam Unjin (Peter MacCallum Cancer Centre, Melbourne, Australia) ,  Kim Kwang Hyeon (Department of Radiation Oncology, Proton Therapy Center, National Cancer Center, Goyang-si, South Korea) ,  Kim Chankyu (Department of Radiation Oncology, Proton Therapy Center, National Cancer Center, Goyang-si, South Korea) ,  Goh Youngmoon (Department of Radiation Oncology, Asan Medical Center, Seoul, South Korea) ,  Cho Shinhaeng (Department of Radiation Oncology, Chonnam National University Medical School, Gwangju, South Korea) ,  Lee Se Byeong (Department of Radiation Oncology, Proton Therapy Center, National Cancer Center, Goyang-si, South Korea) ,  Lim Young Kyung (Department of Radiation Oncology, Proton Therapy Center, National Cancer Center, Goyang-si, South Korea) ,  Kim Haksoo (Department of Radiation Oncology, Proton Therapy Center, National Cancer Center, Goyang-si, South Korea) ,  Shin Dongho (Department of Radiation Oncology, Proton Therapy Center, National Cancer Center, Goyang-si, South Korea) ,  Kim Taeyoon (Department of Radiation Oncology, Proton Therapy Center, National Cancer Center, Goyang-si, South Korea) ,  Kim Tae Hyun (Department of Radiation Oncology, Proton Therapy Center, National Cancer Center, Goyang-si, South Korea) ,  Youn Sang Hee (Department of Radiation Oncology, Proton Therapy Center, National Cancer Center, Goyang-si, South Korea) ,  Oh Eun Sang (Department of Radiation Oncology, Proton Therapy Center, National Cancer Center, Goyang-si, South Korea) ,  Jeong Jong Hwi (Department of Radiation Oncology, Proton Therapy Center, National Cancer Center, Goyang-si, South Korea)
資料名： Radiation Oncology (Web)  (Radiation Oncology (Web))
巻： 14  号： 1  ページ： 1-13  発行年： 2019年 
JST資料番号： U7343A  ISSN： 1748-717X  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： イギリス (GBR)  言語： 英語 (EN)

抄録/ポイント： リスク(OAR)における臓器の正確で標準化された記述は,治療計画と評価のための放射線療法において不可欠である。伝統的に,医師は手動で患者画像を混乱させており,それは時間がかかり,観察者間の変動性を被っている。本研究は,カスタマイズされた深い学習に基づく自動セグメンテーションが手動輪郭の限界を克服できるかどうかを調べることを目的とし,b)肝臓癌における典型的なアトラスに基づく自動セグメンテーション法の器官構造に対する性能を比較した。70人の肝癌患者のOnコントラストコンピュータ断層撮影画像セットを使用し,4つのOAR(心臓,肝臓,腎臓,および胃)を,参照構造として3人の経験した医師によって手動で描写した。アトラスと深い学習自動セグメンテーションは,それぞれMIM Maestro6.5(MIM Software Inc.,Cleland,OH)と深い畳込みニューラルネットワーク(DCNN)で実行された。Hausdorff距離(HD)とdice類似性係数(DSC),体積重なり誤差(VOE),および相対体積差(RVD)を用いて,4つのOAR構造の参照セットの場合における4つの異なる方法を定量的に評価した。アトラスに基づく方法は,心臓,肝臓,右腎,左腎,および胃に対して以下の平均DSCと標準偏差値(SD)をもたらした。それぞれ,0.92±0.04(DSC±SD),0.93±0.02,0.86±0.07,0.85±0.11,および0.60±0.13であった。深い学習に基づく方法は,0.94±0.01,0.93±0.01,0.88±0.03,0.86±0.03,0.73±0.09のOARに対応する値をもたらした。セグメンテーション結果は,深い学習フレームワークが,肝臓のケースを除いて,アトラスベースのフレームワークより優れていることを示した。特に,胃の場合,DSC,VOEおよびRVDはそれぞれ21.67,25.11,28.80%の最大差を示した。本研究では,人間の肝臓癌におけるほとんどのOARに対するアトラスに基づく自動セグメンテーションと比較して,より効果的かつ効率的に深い学習フレームワークを用いることができることを示した。深い学習ベースのフレームワークの拡張利用は,他のボディサイトの自動セグメンテーションのために予想される。Copyright 2020 The Author(s) All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *セグメンテーション ,  *学習 ,  深層 ,  放射線療法 ,  心臓 ,  類似性 ,  コントラスト ,  輪郭加工 ,  治療計画 ,  標準化 ,  カスタム化 ,  標準偏差 ,  *肝臓腫瘍 ,  計算機トモグラフィー
準シソーラス用語： *自動セグメンテーション , 【Automatic Indexing@JST】

著者キーワード (4件)： 輪郭加工 ,  ATLASベースの自動セグメンテーション ,  深層学習ベースの自動セグメンテーション ,  深層畳込みニューラルネットワーク(DCNN)

分類 (1件)： 腫ようの放射線療法  (GE03034K)

引用文献 (38件)：

• Radiother Oncol; Uncertainties in volume delineation in radiation oncology: a systematic review and recommendations for future studies; SK Vinod, MG Jameson, M Min, LC Holloway; 121; 2; 2016; 169-179; 10.1016/j.radonc.2016.09.009; citation_id=CR1
• Med Phys; Combining registration and active shape models for the automatic segmentation of the lymph node regions in head and neck CT images; A Chen, MA Deeley, KJ Niermann, L Moretti, BM Dawant; 37; 12; 2010; 6338-6346; 10.1118/1.3515459; citation_id=CR2
• Med Phys; Auto-segmentation of normal and target structures in head and neck CT images: a feature-driven model-based approach; AA Qazi, V Pekar, J Kim, J Xie, SL Breen, DA Jaffray; 38; 11; 2011; 6160-6170; 10.1118/1.3654160; citation_id=CR3
• Med Phys; 3D-SIFT-flow for atlas-based CT liver image segmentation; Y Xu, C Xu, X Kuang, H Wang, EI Chang, W Huang; 43; 5; 2016; 2229-2241; 10.1118/1.4945021; citation_id=CR4
• Radiat Oncol; Atlas-based automatic segmentation of head and neck organs at risk and nodal target volumes: a clinical validation; J-F Daisne, A Blumhofer; 8; 1; 2013; 154; 10.1186/1748-717X-8-154; citation_id=CR5

タイトルに関連する用語 (6件)： 肝臓癌 ,  臓器 ,  ATLAS ,  深層学習 ,  自動セグメンテーション ,  臨床評価