MétaCan
Menu
Retour à la cohorte
Enregistrement W4410480866 · doi:10.3390/a18050290

Quantifying Intra- and Inter-Observer Variabilities in Manual Contours for Radiotherapy: Evaluation of an MR Tumor Autocontouring Algorithm for Liver, Prostate, and Lung Cancer Patients

2025· article· en· W4410480866 sur OpenAlex

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.
fundUn bailleur canadien est enregistré sur le travail.

Notice bibliographique

RevueAlgorithms · 2025
Typearticle
Langueen
DomainePhysics and Astronomy
ThématiqueAdvanced Radiotherapy Techniques
Établissements canadiensUniversity of CalgaryUniversity of Alberta
Organismes subventionnairesCanadian Institutes of Health Research
Mots-clésRadiation therapyObserver (physics)Prostate cancerProstateAlgorithmMedicineComputer scienceLungRadiologyCancerInternal medicinePhysics

Résumé

récupéré en direct d'OpenAlex

Real-time tumor-tracked radiotherapy with a linear accelerator-magnetic resonance (linac-MR) hybrid system requires accurate tumor delineation at a fast MR imaging rate. Various autocontouring methods have been previously evaluated against “gold standard” manual contours by experts. However, manually drawn contours have inherent intra- and inter-observer variations. We aim to quantify these variations and evaluate our tumor-autocontouring algorithm against the manual contours. Ten liver, ten prostate, and ten lung cancer patients were scanned using a 3 tesla (T) magnetic resonance imaging (MRI) scanner with a 2D balanced steady-state free precession (bSSFP) sequence at 4 frames/s. Three experts manually contoured the tumor in two sessions. For autocontouring, an in-house built U-Net-based autocontouring algorithm was used, whose hyperparameters were optimized for each patient, expert, and session (PES). For evaluation, (A) Automatic vs. Manual and (B) Manual vs. Manual contour comparisons were performed. For (A) and (B), three types of comparisons were performed: (a) same expert same session, (b) same expert different session, and (c) different experts, using Dice coefficient (DC), centroid displacement (CD), and the Hausdorff distance (HD). For (A), the algorithm was trained using one expert’s contours and its autocontours were compared to contours from (a)–(c). For Automatic vs. Manual evaluations (Aa–Ac), DC = 0.91, 0.86, 0.78, CD = 1.3, 1.8, 2.7 mm, and HD = 3.1, 4.6, 7.0 mm averaged over 30 patients were achieved, respectively. For Manual vs. Manual evaluations (Ba–Bc), DC = 1.00, 0.85, 0.77, CD = 0.0, 2.1, 2.8 mm, and HD = 0.0, 4.9, 7.2 mm were achieved, respectively. We have quantified the intra- and inter-observer variations in manual contouring of liver, prostate, and lung patients. Our PES-specific optimized algorithm generated autocontours with agreement levels comparable to these manual variations, but with high efficiency (54 ms/autocontour vs. 9 s/manual contour).

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.

Prédiction distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,961
Score d'incertitude au seuil0,738

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,019
Tête enseignante GPT0,349
Écart entre enseignants0,330 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle