NIRL-08 AUTOMATED LONGITUDINAL TRACKING OF BRAIN METASTASES INTEGRATED IN A USER-ORIENTED SOFTWARE
Notice bibliographique
Résumé
Abstract The burden of detection and segmentation of brain metastases (BM) for treatment planning and response assessment has been found to be alleviated by machine learning methods. However, tracking individual lesions over time remains tedious and would benefit from automated assistance for complex cases. We developed a software solution combining an AI-based BM segmentation method with an automated pairing algorithm allowing to track BM across longitudinal scans. The proposed tracking method comprises two steps: identifying lesions in each scan and pairing identified findings across scans. Identification and segmentation of BM is done with our previously published neural network based algorithm. Tracking of BM is achieved by progressively assigning a lesion ID to individual findings. For each series, individual findings are co-registered using image registration to a reference series which defines the initial set of lesions. A matching function then computes a score for each possible finding-lesion pair based on diameter similarity and inter-centroid distance. Findings from highest scoring pairs are sequentially assigned their matched lesion ID, while pairs scoring under a given threshold are assigned a new lesion ID. Series are processed as such until all findings are dispatched. Assignment accuracy was assessed using adjusted rand index (ARI) on a synthetic noisy dataset simulating registration error and misdetections. Findings from 10 to 20 lesions on 5 series of dimension 100 mm per side were randomly generated for 100 synthetic patients each. With a simulated registration error range of 0-2 deg and 0-5mm, the average per patient ARI was 0.94 +/- 0.05, while an error range of 0-4 deg and 0-10mm lowered ARI to 0.87 +/-0.08. Results support the validity of our software solution for automated detection and longitudinal tracking of BM, which can alleviate the burden of follow-ups in the context of stereotactic radiosurgery.
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 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,012 | 0,005 |
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 ».