Prediction of post-radiotherapy recurrence volumes in head and neck squamous cell carcinoma using 3D U-Net segmentation

要約

局所領域再発 (LRR) は、頭頸部扁平上皮癌 (HNSCC) 患者にとって依然として治療失敗の頻度が高い部位です。
治療前の画像に基づいて高リスクのサブボリュームを特定することは、生物学的標的放射線療法の鍵となります。
私たちは、HNSCC 患者における治療前の 18F-フルオロデオキシグルコース陽電子放射断層撮影 (FDG-PET)/コンピュータ断層撮影 (CT) スキャンに基づいて、畳み込みニューラル ネットワーク (CNN) が LRR 体積をどの程度予測できるかを調査しました。
CNN を使用して生物学的高リスクボリュームを特定します。
中咽頭扁平上皮癌の一次放射線療法を受けた患者 37 人について、5 人の腫瘍学者が再発 CT スキャンで再発体積の輪郭を作成しました。
各患者の治療前の FDG-PET/CT、総腫瘍体積 (GTV)、輪郭再発のデータセットは、トレーニング (n=23)、検証 (n=7)、およびテスト (n=7) のデータセットにランダムに分割されました。
。
最初からトレーニングされた CNN、事前トレーニングされた CNN、SUVmax しきい値アプローチ、および GTV を直接使用したものを比較しました。
SUVmax 閾値法では、7 つの再発起点のうち 5 つが中央値 4.6 立方センチメートル (cc) の体積内に含まれていました。
GTV 輪郭と最良の CNN セグメンテーションの両方に、7 回中 6 回の再発起点が含まれており、体積中央値はそれぞれ 28 cc と 18 cc でした。
CNN には、再発量が大幅に少ない、同数以上の再発量 PO が含まれていました。
私たちの新しい発見は、CNN が LRR を予測できる可能性があることを示していますが、臨床的に有用な予測精度を達成するには、データセット開発におけるさらなる作業が必要です。

要約(オリジナル)

Locoregional recurrences (LRR) are still a frequent site of treatment failure for head and neck squamous cell carcinoma (HNSCC) patients. Identification of high risk subvolumes based on pretreatment imaging is key to biologically targeted radiation therapy. We investigated the extent to which a Convolutional neural network (CNN) is able to predict LRR volumes based on pre-treatment 18F-fluorodeoxyglucose positron emission tomography (FDG-PET)/computed tomography (CT) scans in HNSCC patients and thus the potential to identify biological high risk volumes using CNNs. For 37 patients who had undergone primary radiotherapy for oropharyngeal squamous cell carcinoma, five oncologists contoured the relapse volumes on recurrence CT scans. Datasets of pre-treatment FDG-PET/CT, gross tumour volume (GTV) and contoured relapse for each of the patients were randomly divided into training (n=23), validation (n=7) and test (n=7) datasets. We compared a CNN trained from scratch, a pre-trained CNN, a SUVmax threshold approach, and using the GTV directly. The SUVmax threshold method included 5 out of the 7 relapse origin points within a volume of median 4.6 cubic centimetres (cc). Both the GTV contour and best CNN segmentations included the relapse origin 6 out of 7 times with median volumes of 28 and 18 cc respectively. The CNN included the same or greater number of relapse volume POs, with significantly smaller relapse volumes. Our novel findings indicate that CNNs may predict LRR, yet further work on dataset development is required to attain clinically useful prediction accuracy.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google