Poster — Thur Eve — 43: Clinical Evaluation of an Atlas Based Auto‐Segmentation Application for Auto‐Contouring Pelvic Targets and OARs
Notice bibliographique
Résumé
The use of volumetric image data sets in radiotherapy treatment planning has become standard practice and requires an accurate delineation of anatomical structures, a tedious and time consuming task. This has lead to the development of auto‐segmentation approaches for contouring anatomical structures on CT data sets. In this work, we evaluate the accuracy of the ABAS software package (Atlas Based Auto‐Segmentation, version 1.1.0, CMS, Inc, The Elekta Group) for contouring pelvic organs relevant to radiotherapy. The evaluation is based on randomly selected CT data sets of 8 patients treated in our clinic for pelvic malignancies, in which relevant organs have been manually contoured by an oncologist. Each of the 8 CT data sets is used as an atlas to generate contours on all other sets. The resulting ABAS‐generated contours are compared to oncologists ones by means of the Dice coefficient. We find that contours generated by ABAS are best and will require no editing for bony structures such as the femoral heads and the pelvis. For the prostate, bladder and the rectum, ABAS contours are acceptable but will require some editing. However, for the prostate, the presence of fiducial implants could lead to streaking artifacts that degrade the quality of ABAS‐generated contours. For smaller organs with low tissue contrasts such as seminal vesicles and iliac nodes, ABAS results are poor and will lead to no time savings in the radiotherapy process. Finally for organs for which ABAS works well it is quite robust against the variability of the atlas.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».