用卷积神经网络在原发PCa PSMA-PET图上勾画GTV，准确又高效！

Posted 2021-04-26 CCNM核医学

前列腺内大体肿瘤靶区（GTV）的准确勾画是原发前列腺癌（PCa）患者治疗的先决条件之一。前列腺特异膜抗原PET（PSMA-PET）在勾画GTV方面的表现可能优于MRI。然而，视觉GTV勾画存在观察者间的不一致性，也费时。该研究的目的是研发一种卷积神经网络（CNN）用于自动划分PSMA-PET图像前列腺内肿瘤(GTV-CNN)。在取自2个不同机构的152例患者的⁶⁸Ga-PSMA-PET图像上进行CNN (3D U-Net)训练，训练标签通过采用已验证的技术手动生成。共3个测试集：2个独立的内部测试集（cohort 1: ⁶⁸Ga-PSMA-PET, n =18 ；cohort 2: ¹⁸F-PSMA-PET, n =19）；1个外部测试集（cohort 3: ⁶⁸Ga-PSMA-PET, n =20）。采用Dice-Sørensen系数（DSC）评估手动勾画和GTV-CNN间的一致性。采用整体组织学标准，计算对于2个内部测试集（cohort 1: n = 18, cohort 2: n =11）的灵敏度和特异性。结果：cohorts 1-3的中位DSCs分别为0.84 (范围: 0.32-0.95), 0.81 (范围: 0.28-0.93) 和0.83 (范围: 0.32-0.93)。GTV-CNN和专家手动勾画的灵敏度和特异性相当：0.98 和 0.76 (cohort 1) ；1和0.57 (cohort 2) ，计算时间为每个标准数据集约6 s。结论：CNN 的应用为 ⁶⁸Ga-PSMA- and ¹⁸F-PSMA-PET图像前列腺内GTV勾画提供了自动方法，使得勾画一致性得到提高，和组织学参照比，灵敏度和特异性也高。该强大、快速且准确的技术可能补充入原发PCa治疗方案制定体系中。

原文题目：IntraprostaticTumour Segmentation on PSMA-PET Images in Patients with Primary Prostate Cancerwith a Convolutional Neural Network

更多精彩阅读

如需原文出处及链接，请咨询后台

扫码关注更多精彩