Modality-Independent Explainable Detection of Inaccurate Organ Segmentations Using Denoising Autoencoders

要約

放射線療法の計画では、臨床医によって検出されない場合、危険にさらされている臓器の不正確なセグメンテーションは、最適でない治療の送達をもたらす可能性があります。
この課題に対処するために、不正確な臓器セグメンテーションを検出するための非自動エンコーダーベースの方法を開発しました。
グラウンドトゥルースオルガンのセグメンテーションにノイズを適用し、自動エンコーダーはそれらを除去するように任されました。
MRとCTスキャンとCTスキャンの両方で生成された臓器セグメンテーションへの方法を適用することにより、この方法はイメージングモダリティとは無関係であることを実証しました。
再構成を提供することにより、当社の方法は、臓器セグメンテーションの不正確な領域に関する視覚情報を提供し、最適ではないセグメンテーションのより説明可能な検出につながります。
私たちの方法を文献の既存のアプローチと比較し、大部分の臓器で優れたパフォーマンスを達成したことを実証しました。

要約(オリジナル)

In radiation therapy planning, inaccurate segmentations of organs at risk can result in suboptimal treatment delivery, if left undetected by the clinician. To address this challenge, we developed a denoising autoencoder-based method to detect inaccurate organ segmentations. We applied noise to ground truth organ segmentations, and the autoencoders were tasked to denoise them. Through the application of our method to organ segmentations generated on both MR and CT scans, we demonstrated that the method is independent of imaging modality. By providing reconstructions, our method offers visual information about inaccurate regions of the organ segmentations, leading to more explainable detection of suboptimal segmentations. We compared our method to existing approaches in the literature and demonstrated that it achieved superior performance for the majority of organs.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google