清晨好,您是今天最早来到科研通的研友!由于当前在线用户较少,发布求助请尽量完整的填写文献信息,科研通机器人24小时在线,伴您科研之路漫漫前行!

Comparison of the output of a deep learning segmentation model for locoregional breast cancer radiotherapy trained on 2 different datasets

百分位 分割 人工智能 医学 乳腺癌 统计 核医学 计算机科学 数学 癌症 内科学
作者
Nienke Bakx,Maurice van der Sangen,Jacqueline Theuws,Hanneke Bluemink,Coen Hurkmans
出处
期刊:Technical Innovations & Patient Support in Radiation Oncology [Elsevier]
卷期号:26: 100209-100209 被引量:2
标识
DOI:10.1016/j.tipsro.2023.100209
摘要

The development of deep learning (DL) models for auto-segmentation is increasing and more models become commercially available. Mostly, commercial models are trained on external data. To study the effect of using a model trained on external data, compared to the same model trained on in-house collected data, the performance of these two DL models was evaluated.The evaluation was performed using in-house collected data of 30 breast cancer patients. Quantitative analysis was performed using Dice similarity coefficient (DSC), surface DSC (sDSC) and 95th percentile of Hausdorff Distance (95% HD). These values were compared with previously reported inter-observer variations (IOV).For a number of structures, statistically significant differences were found between the two models. For organs at risk, mean values for DSC ranged from 0.63 to 0.98 and 0.71 to 0.96 for the in-house and external model, respectively. For target volumes, mean DSC values of 0.57 to 0.94 and 0.33 to 0.92 were found. The difference of 95% HD values ranged 0.08 to 3.23 mm between the two models, except for CTVn4 with 9.95 mm. For the external model, both DSC and 95% HD are outside the range of IOV for CTVn4, whereas this is the case for the DSC found for the thyroid of the in-house model.Statistically significant differences were found between both models, which were mostly within published inter-observer variations, showing clinical usefulness of both models. Our findings could encourage discussion and revision of existing guidelines, to further decrease inter-observer, but also inter-institute variability.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
更新
大幅提高文件上传限制,最高150M (2024-4-1)

科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
woxinyouyou完成签到,获得积分0
1分钟前
科研通AI2S应助mingble采纳,获得10
2分钟前
lala完成签到,获得积分10
2分钟前
哈哈哈发布了新的文献求助10
2分钟前
joanna完成签到,获得积分10
3分钟前
3分钟前
jyy应助科研通管家采纳,获得10
3分钟前
mingble发布了新的文献求助10
3分钟前
科研通AI2S应助小奇将军采纳,获得10
3分钟前
4分钟前
蟹蟹发布了新的文献求助10
4分钟前
小马甲应助蟹蟹采纳,获得10
4分钟前
哈哈哈发布了新的文献求助10
6分钟前
肆肆完成签到,获得积分10
6分钟前
7分钟前
8分钟前
滕皓轩完成签到 ,获得积分10
9分钟前
松松完成签到 ,获得积分10
9分钟前
sunny完成签到,获得积分10
10分钟前
人类繁殖学完成签到 ,获得积分10
10分钟前
muriel完成签到,获得积分10
11分钟前
11分钟前
科研通AI2S应助科研通管家采纳,获得10
11分钟前
ainibb完成签到,获得积分10
11分钟前
JamesPei应助ainibb采纳,获得10
12分钟前
13分钟前
jyy应助科研通管家采纳,获得10
13分钟前
jyy应助科研通管家采纳,获得30
13分钟前
垚祎完成签到 ,获得积分10
13分钟前
打打应助蟹蟹采纳,获得10
15分钟前
jyy应助科研通管家采纳,获得10
15分钟前
葛力完成签到,获得积分10
16分钟前
16分钟前
Q哈哈哈发布了新的文献求助10
16分钟前
kai898发布了新的文献求助10
17分钟前
kai898完成签到,获得积分10
18分钟前
18分钟前
蟹蟹发布了新的文献求助10
18分钟前
juan完成签到 ,获得积分10
18分钟前
草木完成签到,获得积分10
19分钟前
高分求助中
求国内可以测试或购买Loschmidt cell(或相同原理器件)的机构信息 1000
PraxisRatgeber: Mantiden: Faszinierende Lauerjäger 700
The Heath Anthology of American Literature: Early Nineteenth Century 1800 - 1865 Vol. B 500
A new species of Velataspis (Hemiptera Coccoidea Diaspididae) from tea in Assam 500
Sarcolestes leedsi Lydekker, an ankylosaurian dinosaur from the Middle Jurassic of England 500
Machine Learning for Polymer Informatics 500
《关于整治突出dupin问题的实施意见》(厅字〔2019〕52号) 500
热门求助领域 (近24小时)
化学 医学 生物 材料科学 工程类 有机化学 生物化学 物理 内科学 纳米技术 计算机科学 化学工程 复合材料 基因 遗传学 催化作用 物理化学 免疫学 量子力学 细胞生物学
热门帖子
关注 科研通微信公众号,转发送积分 3219887
求助须知:如何正确求助?哪些是违规求助? 2868530
关于积分的说明 8161257
捐赠科研通 2535532
什么是DOI,文献DOI怎么找? 1368118
科研通“疑难数据库(出版商)”最低求助积分说明 645127
邀请新用户注册赠送积分活动 618477