Interactive 3D Segmentation for Primary Gross Tumor Volume in Oropharyngeal Cancer

要約

中咽頭がん（OPC）の主な治療法は放射線療法であり、原発腫瘍総体積（GTVp）を正確に分割することが不可欠です。
ただし、正確な GTVp セグメンテーションは、観察者間の大きなばらつきと手動アノテーションの時間がかかる性質により困難であり、完全に自動化された手法は時折失敗する可能性があります。
インタラクティブなディープ ラーニング (DL) モデルには、必要に応じてユーザーが修正できる柔軟性を備えた自動高性能セグメンテーションという利点があります。
この研究では、OPC における GTVp セグメンテーションのためのインタラクティブ DL を検討します。
私たちは最先端のアルゴリズムを実装し、新しい 2 段階のインタラクティブ クリック リファインメント (2S-ICR) フレームワークを提案します。
開発には 2021 年の頭頸部腫瘍 (HECKTOR) データセット、評価にはテキサス大学 MD アンダーソンがんセンターの外部データセットを使用することで、2S-ICR フレームワークはユーザーの介入なしで Dice 類似係数 0.713 $\pm$ 0.152 を達成し、
5 回のインタラクション後は 0.824 $\pm$ 0.099 となり、どちらの場合も既存の手法を上回りました。

要約(オリジナル)

The main treatment modality for oropharyngeal cancer (OPC) is radiotherapy, where accurate segmentation of the primary gross tumor volume (GTVp) is essential. However, accurate GTVp segmentation is challenging due to significant interobserver variability and the time-consuming nature of manual annotation, while fully automated methods can occasionally fail. An interactive deep learning (DL) model offers the advantage of automatic high-performance segmentation with the flexibility for user correction when necessary. In this study, we examine interactive DL for GTVp segmentation in OPC. We implement state-of-the-art algorithms and propose a novel two-stage Interactive Click Refinement (2S-ICR) framework. Using the 2021 HEad and neCK TumOR (HECKTOR) dataset for development and an external dataset from The University of Texas MD Anderson Cancer Center for evaluation, the 2S-ICR framework achieves a Dice similarity coefficient of 0.713 $\pm$ 0.152 without user interaction and 0.824 $\pm$ 0.099 after five interactions, outperforming existing methods in both cases.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google