CT 영상에서 비소세포폐암(NSCLC)의 검출 및 세분화를 위한 완전 자동화된 파이프라인

이 연구에서 우리는 CT 스캔에서 종양을 자동으로 감지하고 분할하여 인간 변이를 줄일 수 있는 비소세포폐암(NSCLC)에 대한 자동화된 딥 러닝 감지 및 분할 소프트웨어를 개발하고 테스트하는 것을 목표로 합니다. 우리는 수동 대 반자동 종양 세분화를 수행하여 방사선 전문의 그룹 간의 합의 수준을 평가할 것입니다. 이를 위해 방사선 전문의에게 두 세트의 CT 스캔을 제공할 것입니다. 첫 번째 세트는 수동으로 분할됩니다. 두 번째는 자동화된 소프트웨어 프로그램을 사용하여 분할됩니다.

그 후 시뮬레이션 또는 모델링 연구에서 임상 연구의 관찰자 간 및 관찰자 내 분산을 사용할 것입니다. 또한 필요한 시간과 소프트웨어에 의한 세분화의 일관성을 의사의 성과와 비교합니다.

신뢰성 및 계약 연구:

25명의 폐암 환자의 원발성 종양이 6명의 세분화 전문가에 의해 기술됩니다.

1. 자동 분할과 방사선 전문의의 분할 간의 일치도 평가 25명의 환자의 원발성 종양은 방사선 전문의가 수동으로 분할하고 도구를 통해 자동으로 분할됩니다. 이 작업을 수행하는 데 필요한 시간과 세분화의 재현성이 기록됩니다. RO와 자동 윤곽 사이의 중첩 정도는 Dice 계수를 사용하여 쌍으로 평가됩니다.
2. 소프트웨어 도구의 도움을 받아 전문가에 의한 종양 설명 또 다른 25명의 환자에 대해 전문가는 도구로 수행되는 자동 설명을 제공받게 됩니다. 그들은 그것을 조정하고 검증할 가능성이 있습니다. 필요한 시간이 기록됩니다. 다중 관찰자 다이스 계수를 사용하여 첫 번째 상황(전문가의 수동 설명)과 두 번째 상황(전문가 + 소프트웨어 도구의 설명)에서 평균 중첩 비율 간의 차이를 평가합니다.
3. 관찰자 내 분산 평가 전문가는 2주 후에 폐 종양의 세분화를 반복합니다. 수동 세분화(n=25)와 반자동 세분화(n=25)를 반복합니다. 이렇게 하면 두 상황 모두에서 관찰자 내 분산을 평가할 수 있습니다.
4. 사내에서 개발한 시각화 도구 상자를 사용한 전문가의 선호도에 대한 정성적 평가.