A deep convolutional neural network-based automatic delineation strategy for multiple brain metastases stereotactic radiosurgery.
A deep convolutional neural network-based automatic delineation strategy for multiple brain metastases stereotactic radiosurgery.
复制标题
DOI：
10.1371/journal.pone.0185844
复制
发表时间：
2017
期刊：
影响因子：
3.7
通讯作者：
Gu X
中科院分区：
文献类型：
--
作者：
Liu Y;Stojadinovic S;Hrycushko B;Wardak Z;Lau S;Lu W;Yan Y;Jiang SB;Zhen X;Timmerman R;Nedzi L;Gu X
准确、自动的脑转移病灶描绘是制定高效立体定向放射外科治疗计划的关键步骤。在这项工作中，我们开发了一种深度学习卷积神经网络（CNN）算法，用于在对比增强t1加权磁共振成像（MRI）数据集上分割脑转移灶。我们将基于cnn的算法集成到脑转移瘤自动分割工作流中，并在多模态脑肿瘤图像分割挑战（BRATS）数据和临床患者数据上进行验证。对BRATS数据的验证得出肿瘤核心的平均DICE系数（DCs）为0.75±0.07，增强肿瘤的平均DICE系数（DCs）为0.81±0.04，优于2015年BRATS挑战中的大多数技术。病例分割结果平均DCs为0.67±0.03，受试者工作特征曲线下面积为0.98±0.01。开发的自动分割策略超越了目前的基准水平，为多发性脑转移的SRS治疗计划提供了一个有前途的工具。
Accurate and automatic brain metastases target delineation is a key step for efficient and effective stereotactic radiosurgery (SRS) treatment planning. In this work, we developed a deep learning convolutional neural network (CNN) algorithm for segmenting brain metastases on contrast-enhanced T1-weighted magnetic resonance imaging (MRI) datasets. We integrated the CNN-based algorithm into an automatic brain metastases segmentation workflow and validated on both Multimodal Brain Tumor Image Segmentation challenge (BRATS) data and clinical patients' data. Validation on BRATS data yielded average DICE coefficients (DCs) of 0.75±0.07 in the tumor core and 0.81±0.04 in the enhancing tumor, which outperformed most techniques in the 2015 BRATS challenge. Segmentation results of patient cases showed an average of DCs 0.67±0.03 and achieved an area under the receiver operating characteristic curve of 0.98±0.01. The developed automatic segmentation strategy surpasses current benchmark levels and offers a promising tool for SRS treatment planning for multiple brain metastases.
登录
查看更多内容
影响因子：
4.2
作者：
Bergner, Norbert;Romeike, Bernd F. M.;Popp, J. uergen
通讯作者：
Popp, J. uergen
影响因子：
4.5
作者：
Bleau, A;Leon, LJ
通讯作者：
Leon, LJ
影响因子：
8.7
作者：
Sachdeva, Jainy;Kumar, Vinod;Ahuja, Chirag Kamal
通讯作者：
Ahuja, Chirag Kamal
影响因子：
8.5
作者：
Ilunga-Mbuyamba, Elisee;Mario Cruz-Duarte, Jorge;Chalopin, Claire
通讯作者：
Chalopin, Claire
影响因子：
8
作者：
Glotsos, D;Tohka, J;Nikiforidis, G
通讯作者：
Nikiforidis, G