乳腺癌放射治疗中肺部轮廓的深度学习分割

北京有什么地方治疗白癜风 http://wapyyk.39.net/bj/zhuanke/89ac7.html

医院简介

医院的放射医院中最大的独立中心之一。该中心的临床医生使用RayStation?*治疗计划系统中的机器学习功能来提供个性化的治疗计划。这些功能包括在乳腺癌放射治疗期间针对肺轮廓进行深度学习分割。胸部深度学习自动轮廓（DL-AC）勾画解决方案是RaySearch在该领域的最新创新技术，其性能优于AutoBreast。

位于圣詹姆斯贝克斯利翼楼的2层利兹放射治疗研究小组是一个成长中的多专业小组，致力于放射治疗的研究和创新，拥有包括临床试验在内的大量资助项目。利兹癌症中心（LeedsCancerCenter）从年到年在英国放射治疗试验中提供了第二高的临床试验招募。最新的治疗，护理和支持利兹癌症中心于年开业，医院NHSTrust的一部分，该医院拥有8,多名员工。医院每年约有万人的流域人口，治疗多名新患者。利兹癌症中心的专家为该市和附近的约克郡地区的人们诊断和治疗癌症，为癌症患者提供一些最新的治疗，护理和支持。可用的放射治疗技术包括体外放射治疗，近距离放射治疗和伽马刀。中心总共安装了十台临床直线加速器，以及两个由研究基金资助的专用直线加速器，这些直线加速器具有先进的图像引导放射治疗功能。目前有一项重大的设备更新计划，将在年底之前安装十台新的ElektaVersaHD和三台PhillipsCT-Sims。该中心使用最先进的成像，治疗计划和治疗设备，并致力于定期的技术更新和升级。精准的轮廓在进行乳腺癌放射治疗计划时，准确的肺部轮廓对于评估危及器官剂量至关重要。在这之前，在RayStation中通过AutoBreast方法自动产生的肺部轮廓通常需要手动编辑以提高准确性。利兹癌症中心的临床医生发现，RaySearch胸部DL-AC模型在大分割乳腺癌放疗的情况下，能够快速而精准地获取同侧肺部轮廓。鉴于RaySearch胸腔DL-AC模型的良好结果，利兹的放射肿瘤学家现在正在与RaySearch紧密合作，开发其他机器学习模型，以在其他治疗中心安全有效地进行临床实践。为调研RaySearch的新型胸部深度学习自动轮廓勾画（DL-AC）解决方案关于几何和剂量的准确性，我们收集了一组0位癌症患者的数据，包括左侧和右侧的乳腺癌和胸壁治疗病例，将其与参考（手动）轮廓和AutoBreast方法生成的轮廓进行比较。两种方法的比较表明，DL-AC产生了精确的轮廓和V8Gy值，它们非常接近参考值。AutoBreast通常相对于参考值过高地预测了肺体积，但几何和绝对剂量测量性能却较低。但是，对于相对DVH的数据统计，误差消除使得整体结果接近参考和DL-AC肺轮廓的结果。脚本驱动的质量管理工作流程利兹癌症中心的团队现在正在开发脚本驱动的质量管理工作流程，以进行本地数据的DL-AC模型培训和半自动化评估。这种方法将为从本地生成的临床数据中生成的模型提供临床的信赖度。对利兹的RayStation深度学习技术的临床信赖度和实用性的评估取决于对以下标准的评估：几何精准度剂量影响效率独立，自动地检查患者特定的DL-AC输出通过使用这种综合方法所得到的结果，加上RaySearch模型产生的DL-AC轮廓的质量，利兹的临床医生能够将DL-AC衍生的危及器官结构用于临床计划。回顾性研究该研究采用了0例回顾性乳腺患者计划进行分析。这些病例均包含原计划中的AutoBreast肺轮廓，并且是5个40Gy剂量的SMLCFFF计划，这是利兹癌症中心的标准做法。通过RayStation中的两种方法可以生成更多的同侧肺轮廓。首先，运行RaySearch胸部DL-AC模型来生成左右肺轮廓。其次，通过使用3D区域增长工具和手动编辑来生成参考同侧肺轮廓。调整阈值以得到肺的完整轮廓，并尽可能多的排除掉气道。使用标准工具去除孔和小轮廓（cc）。在肺窗上进行手动编辑，以排除隔膜和气道，并排除那些未被包含在增长区域中的肺组织，同时纠正任何其他视觉检测到的错误。根据相关参考文献，AutoBreast和RaySearch胸腔DL-AC肺轮廓计算了DICE相似性系数（DSC）。对AutoBreast和RaySearch胸腔DL-AC模型的肺交点，以V25%ROI计算其DSC，再以人工勾画的交点体积作为参考。比较了所有三组肺部轮廓的总体积和V25％重叠体积。在40Gy计划（与26Gy计划中的V8Gy一致）中计算了绝对（cc）和相对（％）V2.0Gy（30％）的统计信息。由经验丰富的剂量师通过目视来评估肺部轮廓。较小的绝对错误在所有指标上，RaySearch胸腔DL-AC模型相对于参考均显示出较小的平均绝对误差，且其范围比AutoBreast小。AutoBreast似乎始终高估了肺体积，而RaySearch胸腔DL-AC模型显示了肺体积差异，95%的置信区间为零。DSC一般较高，0.9，这对于大型且相对简单的结构（例如肺）是可以预期的。RaySearch胸部DL-AC模型在平均和最小DSC方面均优于AutoBreast。使用RaySearch胸部DL-AC模型时，绝对剂量误差较小，与AutoBreast相比，系统误差也较小。尽管RaySearch胸部DL-AC模型的误差范围小于AutoBreast的误差范围，但由于考虑到相对体积参数的误差抵消，所以相对剂量的误差还是更为一致。"我们对RayStation为我们的放射治疗服务带来的全新计划的创新感到非常满意。深度学习自动轮廓是高度先进的“新技术”，它进一步提高我们乳腺癌放疗计划的效率。"–VivianCosgrove博士,放射治疗物理学负责人,利兹癌症中心改善肺轮廓的附着使用RaySearch胸腔DL-AC模型可以改善肺轮廓与胸壁的附着，但有时会在前内侧和下侧排除掉少量肺。在当前轮廓指导下，气道被正确地排除在外。尽管手动编辑可能会导致边缘改善，但肺部轮廓显得在临床上可接受。AutoBreast易于在气道，胸壁和心脏勾画轮廓。参考轮廓可以在操作者之间变化，但看起来与RaySearch胸部DL-AC模型所生成的轮廓大致相同。高度精确的方法这种分析和视觉检查表明，RaySearch胸部DL-AC模型是在乳腺癌放射治疗中确定肺部轮廓的高度精准的方法。相较于人工勾画肺轮廓，几何结构和剂量误差很小，并且平均DSC为0.97，显示出与参考轮廓极佳的一致性。高剂量区域（定义为肺与25％的等剂量线的交点）的轮廓也很好，从而得到了了绝对DVH的统计数据，其与从参考轮廓得出的统计数据非常相似，并且相比从AutoBreast肺轮廓得出的统计数据有了显着的改善。"RayStation中的标准功能令人印象深刻，我们确信它将为患者的治疗计划带来很多好处。我们相信，功能上的改进和效率上的节省将使我们在利兹癌症中心治疗的患者受益匪浅。"–JohnLilley,体外放射治疗物理学负责人,利兹癌症中心这种分析和视觉检查表明，RayStation8B中内置的胸部DL-AC模型是一种非常高度精准的方法，可以在乳腺癌放射治疗中确定肺部轮廓。先进的癌症治疗RaySearch始终走在肿瘤软件研发创新的最前沿。自2年以来，我们与领先的研究中心密切合作，以改善患者的生活和治疗结果。我们从头开始开发所有产品，并不断修改从算法到用户界面设计的各个方面。医学会永远向前发展，RaySearch也一样—我们不懈地追求更好的工作表现，引领我们获得更好的性能，更高的准确性，更优的安全性和更佳的可用性。而这一切仅仅只是个开始。我们相信软件是肿瘤学创新的动力。我们的系统利用突破性的自动化和机器学习技术创造了新的可能性。下一代肿瘤学信息系统RayCare*将为所有肿瘤学学科提供一个工作流程，从而确保任务的流畅协调和资源的最佳利用。RayStation作为一个支点，掌握所有—任何设备，任何规模的计划需求。最终协调出治疗计划。*某些市场有待相关监管许可。预览时标签不可点收录于话题#个上一篇下一篇