SegReg: Segmenting OARs by Registering MR Images and CT Annotations

要約

OAR（Organ at Risk）セグメンテーションは、頭頸部腫瘍などの放射線治療計画において重要なプロセスである。にもかかわらず、臨床の現場では、放射線腫瘍医がCTスキャンを用いて手作業でOARセグメンテーションを行っている。この手作業は非常に時間と費用がかかり、タイムリーな放射線治療を受けられる患者の数が制限される。さらに、CTスキャンはMRIに比べて軟部組織のコントラストが低い。MRIは軟部組織の可視化に優れているが、時間がかかるため、リアルタイムの治療計画には適さない。これらの課題を解決するために、我々はSegRegと呼ばれる方法を提案する。この方法は、OARセグメンテーションを実行するためにMRIを登録するためのElastic Symmetric Normalizationを利用する。SegRegはmDSCで16.78%、mIoUで18.77%CTのみのベースラインを上回り、CTの幾何学的精度とMRIの優れた軟組織コントラストを効果的に組み合わせることで、臨床のための正確な自動OARセグメンテーションが可能になることを示している。プロジェクトのウェブサイト https://steve-zeyu-zhang.github.io/SegReg を参照。

要約(オリジナル)

Organ at risk (OAR) segmentation is a critical process in radiotherapy treatment planning such as head and neck tumors. Nevertheless, in clinical practice, radiation oncologists predominantly perform OAR segmentations manually on CT scans. This manual process is highly time-consuming and expensive, limiting the number of patients who can receive timely radiotherapy. Additionally, CT scans offer lower soft-tissue contrast compared to MRI. Despite MRI providing superior soft-tissue visualization, its time-consuming nature makes it infeasible for real-time treatment planning. To address these challenges, we propose a method called SegReg, which utilizes Elastic Symmetric Normalization for registering MRI to perform OAR segmentation. SegReg outperforms the CT-only baseline by 16.78% in mDSC and 18.77% in mIoU, showing that it effectively combines the geometric accuracy of CT with the superior soft-tissue contrast of MRI, making accurate automated OAR segmentation for clinical practice become possible. See project website https://steve-zeyu-zhang.github.io/SegReg

arxiv情報

提供元, 利用サービス

arxiv.jp, DeepL