Lenfoma Lezyonlarını Tespit Etmek ve Ölçmek İçin Derin Sinir Ağları: Özet ve Giriş

Bağlantı Tablosu

• Özet ve Giriş
• Alakalı iş
• Malzemeler ve yöntemler
• Sonuçlar
• Tartışma
• Sonuç ve Referanslar

Soyut

Bu çalışma, PET/CT görüntülerinden lenfoma lezyonu segmentasyonu için dört sinir ağı mimarisinin (UNet, SegResNet, DynUNet ve SwinUNETR) kapsamlı değerlendirmesini gerçekleştirir. Bu ağlar, 611 vakadan oluşan çeşitli, çok-kurumlu bir veri kümesi üzerinde eğitildi, doğrulandı ve test edildi. Dahili testler (88 vaka; toplam metabolik tümör hacmi (TMTV) aralığı [0,52, 2300] ml), SegResNet'in 0,76 medyan Zar benzerliği katsayısı (DSC) ve 4,55 ml medyan yanlış pozitif hacmi (FPV) ile en iyi performans gösteren ürün olduğunu gösterdi; tüm ağların ortalama yanlış negatif hacmi (FNV) 0 ml idi. Görülmeyen harici test setinde (TMTV aralığı: [0,10, 2480] ml olan 145 vaka) SegResNet, 0,68'lik en iyi medyan DSC'yi ve 21,46 ml'lik FPV'yi elde ederken, UNet 0,41 ml'lik en iyi FNV'ye sahipti. Altı lezyon ölçümünün tekrarlanabilirliğini değerlendirdik, tahmin hatalarını hesapladık ve bu lezyon ölçümlerine ilişkin DSC performansını inceleyerek segmentasyon doğruluğu ve klinik uygunluğa dair içgörüler sunduk. Ek olarak lezyonların tanımlanması, sayılması ve metabolik özelliklere göre segmentlere ayrılmasına yönelik klinik ihtiyaçları karşılayan üç lezyon tespit kriteri sunduk. Ayrıca, daha dayanıklı segmentasyon algoritmalarının geliştirilmesine yardımcı olmak için "kolay" ve "zor" durumları segmentlere ayırmadaki zorlukları ortaya koyan uzman gözlemci içi değişkenlik analizi gerçekleştirdik. Son olarak, birden fazla uzman açıklayıcıyı içeren standartlaştırılmış bir temel gerçek segmentasyon protokolünün önemini vurgulayan gözlemciler arası anlaşma değerlendirmesi gerçekleştirdik. Kod şu adreste mevcuttur: https://github.com/microsoft/lymphoma-segmentationdnn .

Dizin Terimleri - Pozitron emisyon tomografisi, bilgisayarlı tomografi, derin öğrenme, segmentasyon, tespit, lezyon ölçümleri, gözlemci içi değişkenlik, gözlemciler arası değişkenlik

I.GİRİŞ

F LUORODEOKSİGLUKOZ (18F-FDG) PET/BT görüntüleme, lenfoma hastalarına yönelik bakım standardı olup doğru teşhisler, evreleme ve tedaviye yanıt değerlendirmesi sağlar. Bununla birlikte, Deauville puanları [1] gibi geleneksel niteliksel değerlendirmeler, gözlemcinin görüntü yorumlamasındaki öznelliği nedeniyle değişkenlik ortaya çıkarabilir. Ortalama lezyon standartlaştırılmış alım değeri (SUVmean), toplam metabolik tümör hacmi (TMTV) ve toplam lezyon glikolizi (TLG) gibi lezyon ölçümlerini içeren kantitatif PET analizinin kullanılması, daha güvenilir prognostik kararlar için umut verici bir yol sunarak hastayı tahmin etme yeteneğimizi artırır. Lenfomada sonuçların daha yüksek hassasiyet ve güvenle elde edilmesi [2].

PET/BT görüntülemede niceliksel değerlendirme sıklıkla zaman alıcı ve gözlemci içi ve gözlemciler arası değişkenliklere yatkın olan manuel lezyon segmentasyonuna dayanır. Geleneksel eşiklemeye dayalı otomatik teknikler, düşük alımlı hastalıkları gözden kaçırabilir ve radyotraktörlerin fizyolojik olarak yüksek alımının olduğu bölgelerde yanlış pozitifler üretebilir. Bu nedenle derin öğrenme, lezyon segmentasyonunun otomatikleştirilmesi, değişkenliğin azaltılması, hasta veriminin arttırılması ve zorlu lezyonların tespitine potansiyel olarak yardımcı olma konusunda umut vaat etmektedir [3].

Umut verici olmasına rağmen, derin öğrenme yöntemlerinin kendi zorlukları vardır. Evrişimli sinir ağları (CNN'ler), elde edilmesi zor olabilecek büyük, iyi açıklamalı veri kümeleri gerektirir. Küçük veri kümeleri üzerinde eğitilen modeller genelleştirilemeyebilir. Üstelik, lenfoma lezyonları boyut, şekil ve metabolik aktivite açısından önemli ölçüde farklılık gösterir; bu da, iyi tanımlanmış önceliklerin yokluğunda derin ağların eğitimini doğru bir şekilde zorlaştırır. Derin öğrenme, gözlemci değişkenliğini azaltmayı amaçlar ancak eğitim için kullanılan tutarsız manuel açıklamalar, hataların sürekliliğine yol açabilir. Bu zorlukları anlamak, PET/CT kantitatif analizinde bu yöntemlerin tam potansiyelinden yararlanmak açısından çok önemlidir.