Abstract
Zielsetzung
Bei der Entwicklung neuer Softwarelösungen zur Bestrahlungsplanung wird eine Automatisierung der Konturierung von Risikoorganen (OARs) angestrebt. In dieser Arbeit wurde die computertomographie(CT)-basierte automatische Segmentierung (AS) extrakranieller Strukturen des Anatomical-Mapping(AM)-Tools der Firma Brainlab validiert.
Methode
Anhand der Datensätze von 24 behandelten Patienten wurde die Konturierung von 9 extrakraniellen OARs retrospektiv überprüft. Die in der klinischen Routine manuell erstellten Konturen wurden mit durch AM automatisch erzeugten Datensätzen verglichen. Als Messmethoden kamen der Dice Similarity Coefficient (DSC) und die Hausdorff Distance (HD) zum Einsatz. Zusätzlich wurden alle automatisch erzeugten Strukturen mit Hilfe eines subjektiven qualitativen Punktesystem bewertet.
Ergebnisse
Die automatische Konturierung der OARs aller untersuchten Datensätze durch die AS-Software konnte durchgeführt werden. Für die Organe linke Lunge, rechte Lunge, linke Niere und Trachea zeigten sich hohe DSC-Werte mit geringer Variabilität. Bei den übrigen Organen (mit Ausnahme des Ösophagus) bewegten sie die DSC-Werte zwischen 0,7 und 0,9. Die Berechnung der HD ergab ähnlich interpretierbare Ergebnisse. In der subjektiven Bewertung wurden >85 % der automatisch erzeugten OARs akzeptiert – außer die des Ösophagus.
Schlussfolgerung
Das AM-Tool der Firma Brainlab kann für die meisten untersuchten OARs der thorakalen und abdominellen Region in der klinischen Routine eingesetzt werden. Im Vergleich zur manuellen Konturierung werden hochkonformale Strukturen erzeugt.
| Titel in Übersetzung | Automatic image segmentation based on synthetic tissue model for delineating organs at risk in spinal metastasis treatment planning |
|---|---|
| Originalsprache | Deutsch |
| Zeitschrift | Strahlentherapie und Onkologie |
| Jahrgang | 195 |
| Ausgabenummer | 12 |
| Seiten (von - bis) | 1094-1103 |
| Seitenumfang | 10 |
| ISSN | 0179-7158 |
| DOIs | |
| Publikationsstatus | Veröffentlicht - 01.12.2019 |
UN SDGs
Dieser Output leistet einen Beitrag zu folgendem(n) Ziel(en) für nachhaltige Entwicklung
-
SDG 3 – Gesundheit und Wohlergehen
Fingerprint
Untersuchen Sie die Forschungsthemen von „Auf einem Gewebemodell basierende automatische Bildsegmentierung zur Konturierung von Risikoorganen in der Behandlungsplanung für spinale Metastasierung“. Zusammen bilden sie einen einzigartigen Fingerprint.Zitieren
- APA
- Author
- BIBTEX
- Harvard
- Standard
- RIS
- Vancouver