Deep-learning Segmentation of Small Volumes in CT images for Radiotherapy Treatment Planning

要約

リスクにさらされている臓器についての理解は、冠状動脈などの物理的な小さな組織を含むように進んでおり、多くの小さな臓器や組織は放射線感受性が高いです。
したがって、体外放射線療法では、少量の体積を過剰照射から保護するために、その体積を正確に分割することが重要です。
さらに、粒子線治療と搭載画像処理の発展により、治療はより正確かつ正確になりました。
この研究の目的は、小さな臓器の臓器セグメンテーション アルゴリズムを最適化することです。
私たちは、StructSeg2019 チャレンジからの 50 枚の 3 次元 (3-D) コンピューター断層撮影 (CT) 頭頸部画像を使用して、頭頸部領域の 20 の臓器をセグメント化する汎用 V-Net モデルを開発しました。
私たちは、この解剖学的領域、つまり目の水晶体の小さなボリュームのセグメンテーション精度を向上させるために、特定の戦略を適用しました。
次に、OSF ヘルスケアからの追加の 17 個の頭部画像を使用して、少量のセグメンテーション用に最適化された V Net モデルの堅牢性を検証しました。
StructSeg2019 画像の研究により、画像正規化範囲と分類閾値の最適化により、小容量用に最適化されていない V-Net を使用した場合と比較して、眼の水晶体のセグメンテーションが約 50% 向上することがわかりました。
。
最適化されたモデルを使用して、異種プロトコルを使用して取得された 17 枚の画像をセグメント化しました。
臨床画像と StructSeg2019 画像で同等の Dice 係数値が得られました (左右の眼の水晶体でそれぞれ 0.61 プラス/マイナス 0.07 と 0.58 プラス/マイナス 0.10)。

要約(オリジナル)

Our understanding of organs at risk is progressing to include physical small tissues such as coronary arteries and the radiosensitivities of many small organs and tissues are high. Therefore, the accurate segmentation of small volumes in external radiotherapy is crucial to protect them from over-irradiation. Moreover, with the development of the particle therapy and on-board imaging, the treatment becomes more accurate and precise. The purpose of this work is to optimize organ segmentation algorithms for small organs. We used 50 three-dimensional (3-D) computed tomography (CT) head and neck images from StructSeg2019 challenge to develop a general-purpose V-Net model to segment 20 organs in the head and neck region. We applied specific strategies to improve the segmentation accuracy of the small volumes in this anatomical region, i.e., the lens of the eye. Then, we used 17 additional head images from OSF healthcare to validate the robustness of the V Net model optimized for small-volume segmentation. With the study of the StructSeg2019 images, we found that the optimization of the image normalization range and classification threshold yielded a segmentation improvement of the lens of the eye of approximately 50%, compared to the use of the V-Net not optimized for small volumes. We used the optimized model to segment 17 images acquired using heterogeneous protocols. We obtained comparable Dice coefficient values for the clinical and StructSeg2019 images (0.61 plus/minus 0.07 and 0.58 plus/minus 0.10 for the left and right lens of the eye, respectively)

arxiv情報

提供元, 利用サービス

arxiv.jp, Google