机构名称：
¥ 1.0
术后多形性胶质母细胞瘤 (GBM) 的分割对于肿瘤治疗场 (TTFields) 治疗规划和其他临床应用至关重要。最近开发的用于术前 GBM 分割的方法在术后 GBM MRI 扫描中表现不佳。在本文中，我们提出了一种用于术后患者 GBM 分割的方法。我们的方法在目标函数中结合了一组分割网络和 Kullback-Leibler 散度一致性得分，以估计预测标签不确定性并应对噪声标签和观察者间差异。此外，我们的方法整合了手术类型并计算非肿瘤组织轮廓以自动分割肿瘤。我们在接受 TTFields 治疗的 340 次增强 T1 MRI 扫描数据集上训练和验证了我们的方法（270 次扫描用于训练，70 次扫描用于测试）。为了进行验证，我们开发了一个使用不确定性图和分割结果的工具。我们的工具可以对组织进行可视化和快速编辑，以根据用户偏好改善结果。三位医生在 12 次不同的 MRI 扫描中审查并评分了我们的分割和编辑工具。验证集平均 (SD) Dice 分数分别为整个肿瘤、切除、坏死核心和增强组织的 0.81 (0.11)、0.71 (0.24)、0.64 (0.25) 和 0.68 (0.19)。医生将 72% 的分割 GBM 评为可用于治疗计划或更好。另外 22% 可以在合理的时间内手动编辑以获得临床上可接受的结果。根据这些结果，提出的 GBM 分割方法可以集成到 TTFields 治疗计划软件中，以缩短计划过程。总而言之，我们通过手术类型、解剖信息和不确定性可视化扩展了最先进的术前 GBM 分割方法，以促进 TTFields 治疗计划中术后 GBM 的临床可行分割。
术后多形性胶质母细胞瘤分割及不确定性估计
主要关键词
相关文件推荐
