放射组学作为优于Dice相似系数用于肿瘤分割性能评估的度量
图像与视频处理
2023-11-01 v1 计算机视觉与模式识别
医学物理
摘要
在高质量放疗实施中,精准分割靶区与正常结构至关重要。本研究提出以放射组学(Radiomics)特征作为评估医师与自动分割工具分割能力的更优度量,相较于广泛使用的Dice相似系数(DSC)。研究通过分析RIDER数据库中10个肺肿瘤的2次CT扫描的放射组学数据,筛选可复现的放射组学特征以评估分割精度。使用PyRadiomics提取放射组学特征,并基于一致性相关系数(CCC)进行筛选。随后,使用10名患者由不同医师或自动分割工具分割的CT图像评估分割性能。研究显示两次CT图像间CCC大于0.93的放射组学特征有206个,表明稳健可复现性。其中七个特征具有低组内相关系数(ICC),意味着对分割差异更敏感。值得注意的是,原始形状特征(包括球形度、伸长率与平坦度)的ICC介于0.1177至0.995之间。相比之下,所有DSC值均超过0.778。本研究表明,放射组学特征尤其是与形状和能量相关的特征,可捕捉肿瘤分割特征的细微变化,而DSC不能。因此,具低ICC的放射组学特征在评估医师肿瘤分割能力与自动分割工具性能上更优。 findings表明这些新度量可用于评估新型自动分割方法并改进医学分割人员培训,从而助力放疗实践提升。
引用
@article{arxiv.2310.20039,
title = {Radiomics as a measure superior to the Dice similarity coefficient for tumor segmentation performance evaluation},
author = {Yoichi Watanabe and Rukhsora Akramova},
journal= {arXiv preprint arXiv:2310.20039},
year = {2023}
}
备注
12 pages, 6 figures, 3 tables