在放射治療中,需要在 CT 和 MRI 等醫學圖像上勾勒出腫瘤區域和正常器官,以便評估每個器官的劑量分佈。為了縮短輪廓時間,臨床實踐中對自動輪廓工具的需求越來越大,特別是對使用人工智能(AI)技術自動識別腫瘤和器官的系統的期望越來越高。
在河原大輔助理教授、廣島大學特聘副教授小澤修一、永田康史教授等和日本臨床腫瘤學組(JCOG)醫學物理工作組成員西尾貞治教授的研究組中,一種新型自動使用人工智能技術的方法 開發了輪廓系統,逐步網絡。 Step-wise net利用深度學習技術進行兩步學習,提取頭部和頸部多個器官的輪廓。 在第一階段,提取要描繪的器官周圍的區域,在第二階段,在提取的區域中以高精度創建器官的輪廓。
在評估 Step-wise net 的輪廓創建精度時,Step-wise net 在所有器官中的精度都高於現有的不使用 AI 的自動輪廓提取系統(Atlas 方法,這是一種市售工具)。場地。此外,與使用 AI 的傳統方法(U-net)相比,Step-wise net 在所有器官中的準確性更高。
Step-wise net 不僅會顯著提高輪廓精度,還將輪廓時間減少到常規時間的十分之一以下,有望為醫療現場作業的提高和效率做出貢獻。
此外,由於 Step-wise net 的自動輪廓不會像手動輪廓那樣導致設施之間的差異,即使在臨床試驗中,需要根據統一規則在每個設施中執行相同質量的輪廓,這本書。預計將使用該工具。
論文信息:【Computers in Biology and Medicine】逐步深度神經網絡(stepwise-net)用於CT圖像上的頭頸部自動分割