SU-E-J-151: Evaluation of a Real Time Tumour Autocontouring Algorithm Using In-Vivo Lung MR Images with Various Contrast to Noise Ratios
Notice bibliographique
Résumé
PURPOSE: To quantitatively evaluate a lung tumour autocontouring algorithm using in-vivo lung cancer patient MR images with varying contrast to noise ratios (CNR) simulating images acquired at various MR field strengths. METHODS: , TE = 1.1ms. TR = 2.2ms, 275ms per image) under free breathing for approximately 3 minutes (650 images). Gaussian random noise is added to the 3T images to approximately simulate the equivalent CNR in images acquired at 1.5T, 1.0T, 0.5T, 0.3T and 0.2T. The moving tumour in all 3T images is contoured by a physician for reference. The first 20 of these manual contours are used for the parameters optimization of auto-contouring algorithm. The automatic contours from the remaining images are quantitatively compared with the physician's contours using the centroid's displacement and the Dice's coefficient (DC). RESULTS: The oncologist's contours of the 3T images show a maximum S-I motion of 26mm. Compared to the oncologist's contours, automatic contours have an average centroid displacement of 1.37mm, and an average DC of 0.881. The autocontouring algorithm's performance with images in the range of 1.5T to 0.5T equivalent CNRs is similar to that of the 3T data. However, for the lowest CNR datasets (0.2, 0.3T) an increase in centroid displacement and decrease in DC is observed, with mean displacements of 1.56mm, 1.71mm and DCs of 0.870, 0.836 for the 0.3T and 0.2T dataset, respectivelyConclusions: With in-vivo MR images, the autocontouring algorithm generated lung tumour contours similar to ones drawn by a physician (DC 〉 0.83). In this patient, additional CNR from 〉0.5T MRIs does not provide statistically significant improvement in the accuracy of our autocontouring software. E.Yip is supported by the Canadian Institutes of Health Research as well as Alberta Innovates - Health Solutions.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».