CT 画像での非小細胞肺癌 (NSCLC) の検出とセグメンテーションのための完全に自動化されたパイプライン

この研究では、CTスキャンで腫瘍を自動的に検出してセグメント化し、人間のばらつきを減らすことができる、非小細胞肺癌（NSCLC）の自動ディープラーニング検出およびセグメンテーション ソフトウェアを開発およびテストすることを目指しています。 手動対半自動の腫瘍セグメンテーションを実行して、放射線科医のグループ間の合意のレベルを評価します。 そのために、放射線科医に 2 セットの CT スキャンを提供します。 最初のセットは手動でセグメント化されます。 2 つ目は、自動化されたソフトウェア プログラムを使用してセグメント化されます。

その後、シミュレーションまたはモデリング研究で臨床研究からの観察者間および観察者内分散を使用します。 また、必要な時間と、ソフトウェアによるセグメンテーションの一貫性を医師のパフォーマンスと比較します。

信頼性と合意の研究:

25 人の肺がん患者の原発腫瘍は、6 人のセグメンテーションの専門家によって描写されます。

1. 自動セグメンテーションと放射線科医のセグメンテーション間の一致を評価する 25 人の患者の原発腫瘍は、放射線科医によって手動でセグメント化され、ツールによって自動的にセグメント化されます。 このタスクの実行に必要な時間とセグメンテーションの再現性が記録されます。 RO と自動コンター間のオーバーラップの程度は、Dice 係数を使用してペアごとに評価されます。
2. ソフトウェア ツールによる専門家による腫瘍の描写 別の 25 人の患者については、ツールによって実行される自動描写が専門家に提供されます。 彼らはそれを調整して検証する可能性があります。 所要時間が記録されます。 最初の状況 (専門家の手動描写) と 2 番目の状況 (専門家 + ソフトウェア ツールの描写) の平均オーバーラップ率の差は、複数観察者のダイス係数を使用して評価されます。
3. 観察者内分散の評価 専門家は、2 週間後に肺腫瘍のセグメンテーションを繰り返します。 手動セグメンテーション (n=25) と半自動セグメンテーション (n=25) を繰り返します。 これにより、両方の状況で観察者内分散を評価することが可能になります。
4. 社内で開発された視覚化ツールボックスを使用した専門家の好みの定性的評価。