文献

J-GLOBAL ID：202102248729585397   整理番号：21A0074770

選択的頸部描写のための深層学習:より一貫性と時間効率【JST・京大機械翻訳】

Deep learning for elective neck delineation: More consistent and time efficient

著者 (5件)： van der Veen J. (KU Leuven, Dept. Oncology, Laboratory of Experimental Radiotherapy, & UZ Leuven, Radiation Oncology, Belgium) ,  Willems S. (KU Leuven, Dept. ESAT, Processing Speech and Images (PSI), & UZ Leuven, Medical Imaging Research Center, Leuven, Belgium) ,  Bollen H. (KU Leuven, Dept. Oncology, Laboratory of Experimental Radiotherapy, & UZ Leuven, Radiation Oncology, Belgium) ,  Maes F. (KU Leuven, Dept. ESAT, Processing Speech and Images (PSI), & UZ Leuven, Medical Imaging Research Center, Leuven, Belgium) ,  Nuyts S. (KU Leuven, Dept. Oncology, Laboratory of Experimental Radiotherapy, & UZ Leuven, Radiation Oncology, Belgium)
資料名： Radiotherapy and Oncology  (Radiotherapy and Oncology)
巻： 153  ページ： 180-188  発行年： 2020年 
JST資料番号： W3151A  ISSN： 0167-8140  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 頭頚部癌(HNC)患者における選択的臨床標的容積の照射に対する頚部のリンパ節レベルの描写は,国際コンセンサスガイドラインが存在するが,時間消費と観察者間変動性(IOV)の傾向がある。本研究の目的は,全てのノード首レベルの半自動描写のための3D畳み込みニューラルネットワーク(CNN)を開発し,検証することであり,手動描写と比較して,描写精度,効率および一貫性に焦点を当てた。CNNを69名のHNC患者の臨床データセットで訓練した。検証のために,17のリンパ節レベルを,国際的コンセンサスガイドラインを用いて,2人の観察者によって16の新しい患者で手動で描写した。自動描写はCNNを適用することにより発生し,その後,臨床受容に必要なように,両方の観察者によって別々に補正された。両描写は,2週間離れて行い,互いに盲検化した。IOVは,Dice類似性係数(DSC),平均表面距離(MSD)およびHausdorff距離(HD)を用いて定量化した。自動描写精度を評価するために,自動化と補正描写間の一致を同じ尺度を用いて評価した。効率を評価するために,手動および補正された描写のための時間を比較した。第2段階では,臨床的に関連する首レベルのみを,手動で,そして,ネットワークを適用および修正することによって,選択し,描写した。すべてのリンパ節レベルが描写されたとき,手動描写と比較して自動描写を補正する時間は,両方の観察者に対して有意に短かった(平均:35対52分,p<10-5)。DSCに基づいて,自動化された描写は,リンパ節レベルIb,II-IVa,VIa,VIb,VIIa,VIIb(DSC>85%)の補正された描写と最もよく一致した。臨床受容に必要な手動補正は平均で1.4mm MSDであり,II-IVa,VIa,VIIaおよびVIIbレベルに対して特に低かった(<1mm)。IOVは,手動描写と比較して,自動化で有意に低かった(MSD:1.4mm対2.5mm,p<10-11)。臨床的に関連する頚部レベルのみを描写すると,補正時間も有意に短かった(平均:8対15分,p<10-5)。DSCに基づいて,自動描写は補正描写と非常によく一致した(DSC>87%)。臨床受容に必要な手動補正は平均1.3mm MSDであった。IOVは手動描写(MSD:0.8mm対2.3mm,p<10-3)と比較して自動化で有意に低かった。HNCにおける頚部における選択的リンパ節レベルの自動描写のために開発されたCNNは,手動描写と比較してより効率的で一貫性があり,それは臨床診療における実施を正当化する。Copyright 2021 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 自動化 ,  ネットワーク ,  ニューラルネットワーク ,  放射線療法 ,  *リンパ節 ,  三次元 ,  類似性 ,  頭頚部腫瘍 ,  コンピュータ
準シソーラス用語： 臨床データ ,  臨床標的体積 ,  *深層学習 ,  畳込みニューラルネットワーク , 【Automatic Indexing@JST】

著者キーワード (6件)： 頭頚部腫瘍 ,  放射線治療 ,  選択的ノード目標体積 ,  オブザーバの変化 ,  ニューラルネットワーク(コンピュータ) ,  描写

分類 (2件)： 耳・鼻・咽頭・喉頭の腫よう  (GQ04000E) ,  腫ようの診断  (GE03020J)

タイトルに関連する用語 (2件)： 頸部 ,  深層学習