基于分层深度学习的全面且临床精准的头颈部危及器官勾画：一项大规模多机构研究
图像与视频处理
2021-11-03 v1 计算机视觉与模式识别
医学物理
摘要
精准的危及器官（OAR）分割对于减少放疗后并发症至关重要。共识指南建议在头颈部（H&N）区域勾画超过40个OAR，然而，由于该任务可预见的高昂人力成本，大多数机构选择大幅简化的方案，仅勾画较小的一部分OAR子集，并忽略与其他OAR相关的剂量分布。在这项工作中，我们提出了一种新颖、自动化且高效的分层OAR分割（SOARS）系统，利用深度学习精准勾画一套全面的42个头颈部OAR。SOARS将42个OAR分为锚点、中层和小且难三个子类别，并通过神经架构搜索（NAS）原则为每个类别专门推导出神经网络架构。我们使用内部机构的176例训练患者构建了SOARS模型，并在六个不同机构的1327例外部患者上进行了独立评估。在每次机构评估中，其Dice分数始终优于其他最先进方法至少3-5%（在其他指标上相对误差最多降低36%）。更重要的是，广泛的多用户研究明确表明，98%的SOARS预测结果仅需极小的修改或无需修改即可直接用于临床（节省了90%的放射肿瘤科医生工作量），并且其分割和剂量学精度在用户间差异之内或更小。这些发现证实了SOARS在头颈部癌症放疗工作流程中用于OAR勾画过程的强大临床适用性，提高了效率、全面性和质量。
引用
@article{arxiv.2111.01544,
title = {Comprehensive and Clinically Accurate Head and Neck Organs at Risk Delineation via Stratified Deep Learning: A Large-scale Multi-Institutional Study},
author = {Dazhou Guo and Jia Ge and Xianghua Ye and Senxiang Yan and Yi Xin and Yuchen Song and Bing-shen Huang and Tsung-Min Hung and Zhuotun Zhu and Ling Peng and Yanping Ren and Rui Liu and Gong Zhang and Mengyuan Mao and Xiaohua Chen and Zhongjie Lu and Wenxiang Li and Yuzhen Chen and Lingyun Huang and Jing Xiao and Adam P. Harrison and Le Lu and Chien-Yu Lin and Dakai Jin and Tsung-Ying Ho},
journal= {arXiv preprint arXiv:2111.01544},
year = {2021}
}