抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
食道の自動化セグメンテーションは,急性食道炎のような放射線誘発毒性を最小化するために,肺癌の画像誘導/適応放射線療法において重要である。3D畳み込みニューラルネットワークを用いて,計画CT(pCT)と円錐ビームCT(CBCT)の両方で食道をセグメント化するための意味物理ベースデータ増強法を開発した。4つの独立したデータセットからのpCTとCBCTを有する191の症例は,食道のような軟部組織器官のために特別に設計された多目的損失機能を有する修正3D-Unetアーキテクチャを訓練するために使用された。散乱アーチファクトと雑音を,べき乗則適応ヒストグラム等化法を用いて1週間CBCTから抽出し,対応するpCTに誘導し,次いでCBCT再構成パラメータを用いて再構成を行った。さらに,実際の毎週CBCTにおける食道セグメンテーションを駆動するために,物理ベースアーチファクト誘起pCTを利用した。平均食道線量およびD5ccを用いて,幾何学的DiceおよびHausdorff距離ならびに線量測定を用いてセグメンテーションを評価した。物理ベースのデータ増強により,合成CBCT上で訓練されたモデルは,pCTとCBCTに関する最新の結果を作り出すためにロバストで一般化可能であり,0.81と0.74のDice重複を達成した。著者らの物理学ベースのデータ増強は,患者CBCT/pCTデータを横切る現実的なノイズ/アーチファクトスペクトルに広がり,治療セットアップと応答解析の精度を改善する可能性で,モダリティを良好に一般化できる。【JST・京大機械翻訳】