ディープラーニング技術を用いた口腔癌のCT画像からの転移性頸部リンパ節のセグメンテーション

Segmentation of metastatic cervical lymph nodes from CT images of oral cancers using deep-learning technology.

抄録

目的:

本研究の目的は、造影CT画像から口腔癌患者の頸部リンパ節をセグメンテーションし、転移性・非転移性リンパ節を診断するためのディープラーニングモデルを確立することである。

OBJECTIVE: The purpose of this study was to establish a deep-learning model for segmenting the cervical lymph nodes of oral cancer patients and diagnosing metastatic or non-metastatic lymph nodes from contrast-enhanced computed tomography (CT) images.

方法:

転移性リンパ節158個と非転移性リンパ節514個のCT画像を準備した。CT画像はトレーニングデータセット、検証データセット、テストデータセットに割り振られた。訓練データセットと検証データセットには、元画像とともに、リンパ節が写っているカラー画像を用意した。学習はニューラルネットワークU-netを用いて200エポック行った。リンパ節のセグメンテーションと転移の診断の性能が得られた。

METHODS: CT images of 158 metastatic and 514 non-metastatic lymph nodes were prepared. CT images were assigned to training, validation, and test datasets. The colored images with lymph nodes were prepared together with the original images for the training and validation datasets. Learning was performed for 200 epochs using the neural network U-net. Performance in segmenting lymph nodes and diagnosing metastasis were obtained.

結果:

転移性リンパ節のセグメンテーションの性能は、回収率0.742、精度0.942、F1スコア0.831であった。レベルⅡの転移性リンパ節の回収率は0.875であり，最も高い値であった．転移を特定する診断性能は，曲線下面積（AUC）0.950を示し，放射線科医のそれ（0.896）より有意に高かった．

RESULTS: Performance in segmenting metastatic lymph nodes showed recall of 0.742, precision of 0.942, and F1 score of 0.831. The recall of metastatic lymph nodes at level II was 0.875, which was the highest value. The diagnostic performance of identifying metastasis showed an area under the curve (AUC) of 0.950, which was significantly higher than that of radiologists (0.896).

結論:

口腔扁平上皮癌の頸部リンパ節を自動的にセグメンテーションするためのディープラーニングモデルが作成された。セグメンテーションの性能はまだ改善する必要があるが，セグメンテーションされたリンパ節は，人間による評価と比較して，より正確に転移の有無を診断することができた．

CONCLUSIONS: A deep-learning model was created to automatically segment the cervical lymph nodes of oral squamous cell carcinomas. Segmentation performances should still be improved, but the segmented lymph nodes were more accurately diagnosed for metastases compared with evaluation by humans.