文献

J-GLOBAL ID：202202230766755720   整理番号：22A0910798

非対称二重経路畳込み神経回路網を用いたタンデムおよび卵巣密封小線源治療患者に対する高リスク臨床標的体積の自動セグメンテーション【JST・京大機械翻訳】

Automatic segmentation of high-risk clinical target volume for tandem-and-ovoids brachytherapy patients using an asymmetric dual-path convolutional neural network

著者 (15件)： Cao Yufeng (Department of Radiation Oncology, Keck School of Medicine, University of Southern California, Los Angeles, California, USA) ,  Vassantachart April (Department of Radiation Oncology, LAC+USC Medical Center, Los Angeles, California, USA) ,  Ragab Omar (Department of Radiation Oncology, Keck School of Medicine, University of Southern California, Los Angeles, California, USA) ,  Bian Shelly (Department of Radiation Oncology, Keck School of Medicine, University of Southern California, Los Angeles, California, USA) ,  Mitra Priya (Department of Radiation Oncology, Keck School of Medicine, University of Southern California, Los Angeles, California, USA) ,  Xu Zhengzheng (Department of Radiation Oncology, Keck School of Medicine, University of Southern California, Los Angeles, California, USA) ,  Gallogly Audrey Zhuang (Department of Radiation Oncology, Keck School of Medicine, University of Southern California, Los Angeles, California, USA) ,  Cui Jing (Department of Radiation Oncology, Keck School of Medicine, University of Southern California, Los Angeles, California, USA) ,  Shen Zhilei Liu (Department of Radiation Oncology, Keck School of Medicine, University of Southern California, Los Angeles, California, USA) ,  Balik Salim (Department of Radiation Oncology, Keck School of Medicine, University of Southern California, Los Angeles, California, USA) ,  Gribble Michael (Keck School of Medicine, University of Southern California, Los Angeles, California, USA) ,  Chang Eric L. (Department of Radiation Oncology, Keck School of Medicine, University of Southern California, Los Angeles, California, USA) ,  Fan Zhaoyang (Department of Radiation Oncology, Keck School of Medicine, University of Southern California, Los Angeles, California, USA) ,  Fan Zhaoyang (Department of Radiology, Keck School of Medicine, University of Southern California, Los Angeles, California, USA) ,  Yang Wensha (Department of Radiation Oncology, Keck School of Medicine, University of Southern California, Los Angeles, California, USA)
資料名： Medical Physics  (Medical Physics)
巻： 49  号： 3  ページ： 1712-1722  発行年： 2022年 
JST資料番号： A1258A  ISSN： 0094-2405  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： PURPOSES:プレインプラント診断磁気共鳴映像法は,子宮頸癌のための画像誘導タンデムアンドオブイド(T&O)小線源療法のためのゴールドスタンダードである。しかし,移植前CTベースのHR-CTV(HR-CTV_MR)のインプラント後計画CTへの転送が,アプリケータ挿入,膣充填,膀胱と直腸の充填状態に起因する解剖学的変化のため困難であるので,高線量率小線源療法計画は,インプラント後CTベースの高リスク臨床標的容積(HR-CTV_CT)で典型的に行われる。本研究は,インプラント前診断MRからの誘導によるポストインプラント計画CTにおけるHR-CTV_CTの自動セグメンテーションのための二重経路畳込みニューラルネットワーク(CNN)を訓練することを目的とする。方法:前インプラントT2強調MRおよびインプラント後CT画像を,65(訓練に対し48,検証に対し8,試験に対し9)に対し,著者らの施設データベースから後ろ向きに示した。MRは剛体登録を用いて対応するCTに整列させた。HR-CTV_CTとHR-CTV_MRを,経験した放射線腫瘍医によりCTとMRで手動で輪郭した。すべての画像を次に0.5×1.25mmの空間分解能に再サンプリングした。2つの符号化経路を有するデュアルパス3D非対称CNNアーキテクチャを構築して,CTとMR画像特徴を抽出した。MRはHR-CTV_MR輪郭によりマスクされたが,全CT容積は含まれていた。ネットワークはCT:MRに対して18:6の非対称重みづけを与えた。モデル性能を評価するために,ボクセルベースジス類似性係数(DSC_V),感度,精度および95%Hausdorff距離(95-HD)を用いた。交差検証を行い,モデル安定性を評価した。研究コホートは,モデル評価のためのHR-CTV_CTに基づき,小腫瘍群(<20cc),中腫瘍群(20-40cc)および大腫瘍群(>40cc)に分けた。単一経路CNNモデルを,二重経路モデルと同じパラメータで訓練した。結果:この患者コホートに対して,二重経路CNNモデルは,DSC_V,感度,および精度を含む著者らの客観的所見の各々を改善し,それぞれ8%,7%,および12%の平均改善があった。95-HDは,入力としてCT画像のみを有する単一経路モデルと比較して,平均1.65mm改善された。加えて,異なるネットワークのための曲線下面積は,それぞれ0.86(CTとMRによる二重経路)と0.80(CTによる単一経路)であった。非対称重み付けによるデュアルパスCNNモデルは,小,中,および大グループに対して,DSC_Vが0.65±0.03(0.61~0.70),0.79±0.02(0.74~0.85),および0.75±0.04(0.68~0.79)の最良の性能を達成した。95-HDは,3つのサイズ群に対して,それぞれ7.34(5.35-10.45)mm,5.48(3.21-8.43)mm,および6.21(5.34-9.32)mmであった。結論:前インプラントMR(HR-CTV_MRによりマスクされた)とインプラント後CT画像からの2つの符号化経路を有する非対称CNNモデルを,T&O小線源療法患者のためのHR-CTV_CTの自動セグメンテーションのために首尾よく開発した。Copyright 2022 Wiley Publishing Japan K.K. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *畳込み ,  *セグメンテーション ,  データベース ,  *リスク ,  腫瘍 ,  膀胱 ,  *非対称性 ,  *直列接続 ,  *患者 ,  三次元 ,  母集団 ,  断層画像 ,  NMRイメージング ,  計算機アーキテクチャ ,  子宮頚部腫瘍
準シソーラス用語： CT画像 , 【Automatic Indexing@JST】

著者キーワード (6件)： CNN ,  深層学習 ,  HDR ,  ハイリスクCTV ,  セグメンテーション ,  タンデムと回避

分類 (1件)： 腫ようの放射線療法  (GE03034K)

タイトルに関連する用語 (11件)： 非対称 ,  経路 ,  畳込み ,  神経回路網 ,  タンデム ,  卵巣 ,  密封小線源治療 ,  患者 ,  リスク ,  臨床標的体積 ,  自動セグメンテーション