Open fulfulggg opened 2 weeks ago
磁気共鳴画像法(MRI)は、優れた軟部組織コントラストにより、頭頸部癌(HNC)のMRIガイド下適応放射線療法において重要な役割を担っています。しかし、原発腫瘍(GTVp)とリンパ節(GTVn)の両方を含む肉眼腫瘍体積(GTV)を正確にセグメント化することは依然として困難です。近年、UMambaとnnU-Net Residual Encoder(ResEnc)という2つの深層学習セグメンテーションの革新が大きな期待を集めています。UMambaは長距離依存関係を効果的に捉え、ResEncは多段階残差ブロックによって特徴抽出を強化します。本研究では、これらの強みを組み合わせた「UMambaAdj」という新しいアプローチを提案します。提案手法を、治療前T2強調MRI画像を用いたHNTS-MRG 2024チャレンジテストセットで評価した結果、GTVpで0.751、GTVnで0.842のDice類似係数(DSCagg)を達成し、平均DSCaggは0.796でした。このアプローチは、MRIガイド下適応放射線療法におけるより正確な腫瘍描出の可能性を示しており、最終的にはHNC患者の治療成績の向上につながります。チーム: DCPT-Stine's group。
@yukihiko-fuyuki が以下のラベルを提案し、適用しました:
タイトル: UMambaAdj: UMambaとnnU-Net ResEnc Plannerを用いたMRIガイド下放射線治療における頭頸部がんのGTVセグメンテーションの向上
リンク: https://arxiv.org/abs/2410.12940
概要:
磁気共鳴画像法(MRI)は、優れた軟部組織コントラストにより、頭頸部癌(HNC)のMRIガイド下適応放射線療法において重要な役割を担っています。しかし、原発腫瘍(GTVp)とリンパ節(GTVn)の両方を含む肉眼腫瘍体積(GTV)を正確にセグメント化することは依然として困難です。近年、UMambaとnnU-Net Residual Encoder(ResEnc)という2つの深層学習セグメンテーションの革新が大きな期待を集めています。UMambaは長距離依存関係を効果的に捉え、ResEncは多段階残差ブロックによって特徴抽出を強化します。本研究では、これらの強みを組み合わせた「UMambaAdj」という新しいアプローチを提案します。提案手法を、治療前T2強調MRI画像を用いたHNTS-MRG 2024チャレンジテストセットで評価した結果、GTVpで0.751、GTVnで0.842のDice類似係数(DSCagg)を達成し、平均DSCaggは0.796でした。このアプローチは、MRIガイド下適応放射線療法におけるより正確な腫瘍描出の可能性を示しており、最終的にはHNC患者の治療成績の向上につながります。チーム: DCPT-Stine's group。