大语言模型增强的放射治疗中治疗靶区自动勾画
医学物理
2024-07-11 v1 人工智能
计算机视觉与模式识别
摘要
放射治疗 (RT) 是治疗癌症最有效的方法之一，其成功依赖于靶区的准确勾画。然而，靶区勾画是一项综合性的医疗决策，目前完全依赖人类专家的人工过程。人工勾画耗时费力，且存在观察者间差异。尽管人工智能 (AI) 技术的进步显著增强了正常组织的自动轮廓勾画，但准确勾画 RT 靶区仍然是一个挑战。在本研究中，我们提出了一种基于视觉语言模型的 RT 靶区自动勾画网络，称为 Radformer。Radformer 利用分层视觉 Transformer 作为主干，并结合大语言模型从临床数据中提取文本丰富的特征。我们引入了视觉语言注意力模块 (VLAM)，用于整合视觉和语言特征，以实现语言感知的视觉编码 (LAVE)。Radformer 已在一个包含 2985 名接受 RT 的头颈癌患者的数据集上进行了评估。包括 Dice 相似系数 (DSC)、交并比 (IOU) 和第 95 百分位 Hausdorff 距离 (HD95) 在内的指标被用于定量评估模型的性能。我们的结果表明，与其他最先进的模型相比，Radformer 具有卓越的分割性能，验证了其在 RT 实践中应用的潜力。
引用
@article{arxiv.2407.07296,
title = {Large Language Model-Augmented Auto-Delineation of Treatment Target Volume in Radiation Therapy},
author = {Praveenbalaji Rajendran and Yong Yang and Thomas R. Niedermayr and Michael Gensheimer and Beth Beadle and Quynh-Thu Le and Lei Xing and Xianjin Dai},
journal= {arXiv preprint arXiv:2407.07296},
year = {2024}
}