文献

J-GLOBAL ID：202202218900163691   整理番号：22A1178794

鼻咽頭癌に対するアトラスベースおよび深層学習に基づく自動輪郭の評価探索【JST・京大機械翻訳】

Evaluation Exploration of Atlas-Based and Deep Learning-Based Automatic Contouring for Nasopharyngeal Carcinoma

著者 (9件)： Wang Jinyuan (1Department of Radiation Oncology, The First Medical Center of the Chinese PLA General Hospital, Beijing, China) ,  Chen Zhaocai (2Manteia Technologies Co., Ltd., Xiamen, China) ,  Yang Cungeng (2Manteia Technologies Co., Ltd., Xiamen, China) ,  Qu Baolin (1Department of Radiation Oncology, The First Medical Center of the Chinese PLA General Hospital, Beijing, China) ,  Ma Lin (1Department of Radiation Oncology, The First Medical Center of the Chinese PLA General Hospital, Beijing, China) ,  Fan Wenjun (1Department of Radiation Oncology, The First Medical Center of the Chinese PLA General Hospital, Beijing, China) ,  Zhou Qichao (2Manteia Technologies Co., Ltd., Xiamen, China) ,  Zheng Qingzeng (3Department of Radiation Oncology, Beijing Geriatric Hospital, Beijing, China) ,  Xu Shouping (1Department of Radiation Oncology, The First Medical Center of the Chinese PLA General Hospital, Beijing, China)
資料名： Frontiers in Oncology (Web)  (Frontiers in Oncology (Web))
巻： 12  ページ： 833816  発行年： 2022年 
JST資料番号： U7089A  ISSN： 2234-943X  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： スイス (CHE)  言語： 英語 (EN)

抄録/ポイント： 目的:本研究の目的は,鼻咽腔癌症例のリスク(OAR)の器官に対するアトラスベースと深層学習(DL)に基づく自動セグメンテーション法の違いを評価し,臨床診療のための貴重な支援を提供することである。方法:120の鼻咽頭癌症例を,MIM Maestro(アトラス)データベースで確立し,DLベースのモデル(AccuContour)によって訓練し,他の20の鼻咽頭癌症例を,アトラスデータベースの外でランダムに選択した。経験した医師は,発表されたコンセンサスガイドラインに基づく20人の患者から14のOARを輪郭し,これらは参照体積(V_ref)と定義した。一方,これらのOARは,アトラスベースモデル,事前構築DLベースモデル,および現場訓練DLベースモデルを用い,自動コントルージョンした。これらの体積は,それぞれV_atlas,V_DL-プレ構築,およびV_DL-訓練と命名された。V_atlas,V_DL-プレ構築,V_DL-訓練,およびV_ref間の類似性を,Dice類似性係数(DSC),Jaccard係数(JAC),最大Hausdorff距離(HD_max)および重心(DC)法の偏差を用いて評価した。一方向ANOVA試験を実施し,その差(各2つ)を示した。結果:3つの方法の結果は,脳幹と眼でほぼ同じであった。内耳と顎関節では,予め構築したDLベースモデルの結果は,レンズに対するアトラスベースの自動セグメンテーションの結果と同様に最悪である。視神経のセグメンテーションのために,訓練されたDLベースのモデルは最良の性能を示した(p<0.05)。口腔の輪郭形成のために,V_DLプレビルのDSC値は最小であり,V_DL訓練は最も有意であった(p<0.05)。耳下腺では,V_atlasのDSCは最小(約0.80またはそれ)であり,V_DLプレ構築およびV_DL訓練はわずかに大きい(約0.82またはその他)。口腔,耳下腺および脳幹に加えて,他の器官の最大Hausdorff距離は,訓練されたDLベースのセグメンテーションモデルを用いて0.5cm未満である。訓練されたDLベースのセグメンテーション法は,重心の最大平均偏差が0.3cm以上でないすべての器官の輪郭においてよく振舞う。結論:訓練されたDLベースのセグメンテーションは,鼻咽頭癌に対して,特に小容積のOARに対して,アトラスベースのセグメンテーションよりも著しく優れている。いくつかの描写結果は,まだ更なる修正を必要とするが,自動セグメンテーション法は,作業効率を改善し,臨床研究のための支援レベルを提供する。Copyright 2022 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： レンズ ,  作業能率 ,  *セグメンテーション ,  データベース ,  分散分析 ,  口腔 ,  耳下腺 ,  脳幹 ,  重心 ,  視神経 ,  臨床医学 ,  患者 ,  輪郭 ,  指針 ,  顎関節

著者キーワード (6件)： アトラス ,  深層学習(DL) ,  トレーニング ,  上咽頭癌(NPC) ,  自動セグメンテーション ,  リスク(OARs)における臓器

分類 (1件)： 医用画像処理  (JE04020T)

引用文献 (34件)：

• Chua MLK, Wee JTS, Hui EP, Chan ATC. Nasopharyngeal Carcinoma. Lancet (2016) 387(10022):1012-24. doi: doi: 10.1016/S0140-6736(15)00055-0
• Chen YP, Chan ATC, Le QT, Blanchard P, Sun Y, Ma J. Nasopharyngeal Carcinoma. Lancet (2019) 394(10192):64-80. doi: doi: 10.1016/S0140-6736(19)30956-0
• Lee AW, Ng WT, Pan JJ, Chiang CL, Poh SS, Choi HC, et al. International Guideline on Dose Prioritization and Acceptance Criteria in Radiation Therapy Planning for Nasopharyngeal Carcinoma. Int J Radiat Oncol Biol Phys (2019) 105(3):567-80. doi: doi: 10.1016/j.ijrobp.2019.06.2540
• Chen YP, Ismaila N, Chua MLK, Colevas AD, Haddad R, Huang SH, et al. Chemotherapy in Combination With Radiotherapy for Definitive-Intent Treatment of Stage II-IVA Nasopharyngeal Carcinoma: CSCO and ASCO Guideline. J Clin Oncol (2021) 39(7):840-59. doi: doi: 10.1200/JCO.20.03237
• Langendijk JA, Doornaert P, Verdonck-de Leeuw IM, Leemans CR, Aaronson NK, Slotman BJ. Impact of Late Treatment-Related Toxicity on Quality of Life Among Patients With Head and Neck Cancer Treated With Radiotherapy. J Clin Oncol (2008) 26(22):3770-6. doi: doi: 10.1200/JCO.2007.14.6647

タイトルに関連する用語 (6件)： 鼻咽頭癌 ,  アトラス ,  深層学習 ,  輪郭 ,  評価 ,  探索