Fuldt automatiseret pipeline til påvisning og segmentering af ikke-småcellet lungekræft (NSCLC) på CT-billeder

I denne undersøgelse sigter vi mod at udvikle og teste en automatiseret deep learning-detektions- og segmenteringssoftware til ikke-småcellet lungekræft (NSCLC), der automatisk kan detektere og segmentere tumorer på CT-scanninger og dermed reducere den menneskelige variation. Vi vil vurdere graden af ​​overensstemmelse mellem en gruppe radiologer, der udfører manuel versus semi-automatisk tumorsegmentering. For at gøre det vil vi give radiologer to sæt CT-scanninger. Det første sæt vil blive segmenteret manuelt; den anden vil blive segmenteret ved hjælp af det automatiserede softwareprogram.

Efterfølgende vil vi bruge inter- og intra-observatør-variansen fra det kliniske studie i et simulerings- eller modelleringsstudie. Vi sammenligner også den nødvendige tid og konsistensen i segmenteringer af softwaren med lægers ydeevne.

Undersøgelse af pålidelighed og overenskomst:

Primære tumorer hos 25 lungekræftpatienter vil blive afgrænset af 6 segmenteringseksperter.

1. Vurder overensstemmelse mellem automatisk segmentering og radiologers segmentering De primære tumorer hos 25 patienter vil blive manuelt segmenteret af radiologerne og automatisk af værktøjet. Den nødvendige tid til at udføre denne opgave og reproducerbarheden af ​​segmenteringen vil blive registreret. Graden af ​​overlap mellem RO'erne og den automatiske kontur vil blive vurderet parvis ved hjælp af terningskoefficienten.
2. Afgrænsning af tumorer af eksperterne, assisteret af softwareværktøjet. For yderligere 25 patienter vil eksperterne blive forsynet med en automatisk afgrænsning, udført af værktøjet. De har mulighed for at justere og validere det. Den nødvendige tid vil blive registreret. Forskellen mellem den gennemsnitlige overlapningsfraktion i den første situation (manuel afgrænsning af eksperter) og den anden situation (afgrænsning af eksperter + softwareværktøj) vil blive vurderet ved hjælp af en multi-observatør terningskoefficient.
3. Vurdering af intra-observatør varians Eksperterne vil gentage segmenteringen af ​​lungetumorerne efter 2 uger. De vil gentage den manuelle segmentering (n=25) og den semi-automatiske segmentering (n=25). Dette vil gøre det muligt at vurdere intra-observatør-variansen i begge situationer.
4. Kvalitativ vurdering af eksperternes præferencer ved hjælp af en egenudviklet visualiseringsværktøjskasse.