XiaoMi-AI文件搜索系统
World File Search System表面距离
可定制的基于地标的场孔径设计，用于自动全脑放射治疗计划
目的：开发和评估一种自动化全脑放射治疗 (WBRT) 治疗计划流程，该流程具有基于深度学习的自动勾勒轮廓和可定制的基于标志的射野孔径设计。方法：该流程包括以下步骤：(1) 使用深度学习技术在计算机断层扫描和数字重建的 X 光片上自动勾勒正常结构轮廓，(2) 使用射束视角定位标志结构，(3) 根据八种不同的标志规则生成射野孔径，以满足不同的临床目的和医生偏好。为进行质量控制，开发了两种并行的射野孔径生成方法。将生成的射野形状和剂量分布的性能与原始临床计划进行比较。来自四家医院的五名放射肿瘤学家评估了计划的临床可接受性。结果：通过临床使用的 182 名患者的视野孔径的豪斯多夫距离 (HD) 和平均表面距离 (MSD) 来评估生成的视野孔径的性能。第一种方法生成的视野孔径的平均 HD 和 MSD 分别为 16 ± 7 和 7 ± 3 毫米，第二种方法生成的视野孔径的平均 HD 和 MSD 分别为 17 ± 7 和 7 ± 3 毫米。第一种方法和第二种方法之间的 HD 和 MSD 差异分别为 1 ± 2 毫米和 1 ± 3 毫米。对 30 位患者进行的视场孔径设计临床审查显示，第一种方法和第二种方法的接受率均为 100%，计划审查显示第一种方法的接受率为 100%，第二种方法的接受率为 93%。第一种方法符合镜片剂量建议的平均接受率为 80%（左镜片）和 77%（右镜片），第二种方法为 70%（左镜片和右镜片），而临床计划的接受率为 50%（左镜片）和 53%（右镜片）。结论：本研究提供了一种自动化流程，其中包含两种视场孔径生成方法，可自动生成 WBRT 治疗计划。定量和定性评估均表明，我们的新流程与原始临床计划相当。
全自动脑肿瘤分割用于增强现实中的3D评估
目的是目前可用的增强现实工作流程，需要使用手动或半自动分段创建3D模型，这是一个耗时的过程。作者创建了一种自动分割算法，该算法从单个T1加权MR序列中生成3D模型的皮肤，大脑，心室和对比度增强的肿瘤，并将该模型嵌入自动工作流中，以在云环境中增强现实的解剖结构的3D评估。在这项研究中，作者验证了该自动分割算法对脑肿瘤的准确性和效率，并将其与手动分割的地面真实集进行了比较。包括五十个对比度增强的T1加权序列，这些序列包括对比增强病变，测量至少5 cm 3。手动分割了地面真相集的所有切片。相同的扫描是在云环境中进行的，以进行自动分割。分割时间。将算法的准确性与手动分割的精度进行了比较，并根据Sørensen-Dice相似性系数（DSC），平均对称的表面距离（ASSD）和Hausdorff距离的95％（HD 95）进行了评估。结果自动分割算法的平均值±SD计算时间为753±128秒。平均值±SD DSC为0.868±0.07，ASSD为1.31±0.63 mm，HD 95为4.80±3.18 mm。脑膜瘤（平均0.89和中位0.92）的DSC大于转移（平均0.84和中值0.85）。自动分割的测量DSC（平均0.86和中位数为0.87）和HD 95（平均3.62 mm和中位3.11 mm）的上流转移的准确性要比依次转移的转移（平均0.82和中位数0.81 and 0.81 and dsc;平均值5.26 mm和median 4.72毫米）的HD 95 95毫米（平均0.82和中位数0.81），用于H.472 95 95 95 95 95 95 95 95 95 95毫米。结论通过提供3D增强对比度增强颅内病变的现实可视化，测量至少5 cm 3，基于云的分割算法是可靠，准确且足够快的，可以在日常临床实践中有助于神经外科医生。下一步涉及将其他序列合并并通过3D微调提高准确性，以扩大增强现实工作流程的范围。