人工智能辅助轮廓修正的概念验证研究
计算机视觉与模式识别
2021-07-29 v1 图像与视频处理
摘要
解剖结构的自动分割对许多医学应用至关重要。然而，其结果并非总在临床上可接受，需要繁琐的手动修正。在此，我们提出一种称为人工智能辅助轮廓修正（AIACR）的新概念并证明其可行性。AIACR的拟议临床工作流如下：给定需临床医生修正的初始轮廓，临床医生指出需大幅修正之处，训练好的深度学习（DL）模型接收该输入以更新轮廓。此过程重复直至获得临床可接受的轮廓。该DL模型旨在最小化每次迭代中临床医生的输入以及达到可接受所需的迭代次数。在本概念验证研究中，我们在三个头颈癌数据集的二维轴位图像上演示该概念，每次迭代中临床医生的输入为在轮廓段期望位置的一次鼠标点击。模型性能以Dice相似系数（DSC）和第95百分位数Hausdorff距离（HD95）量化。三个数据集自动生成初始轮廓的平均DSC/HD95（mm）分别为0.82/4.3、0.73/5.6和0.67/11.4，经三次鼠标点击后分别提升至0.91/2.1、0.86/2.4和0.86/4.7。每次基于DL的轮廓更新约需20 ms。我们提出了一种利用DL模型以高效有效方式辅助临床医生修正轮廓的新颖AIACR概念，并利用三个头颈癌数据集的二维轴位CT图像证明了其可行性。
引用
@article{arxiv.2107.13465,
title = {A Proof-of-Concept Study of Artificial Intelligence Assisted Contour Revision},
author = {Ti Bai and Anjali Balagopal and Michael Dohopolski and Howard E. Morgan and Rafe McBeth and Jun Tan and Mu-Han Lin and David J. Sher and Dan Nguyen and Steve Jiang},
journal= {arXiv preprint arXiv:2107.13465},
year = {2021}
}