BACKGROUND Deep learning-based auto-segmented contours (DC) aim to alleviate labour intensive contouring of organs at risk (OAR) and clinical target volumes (CTV). Most previous DC validation studies have a limited number of expert observers for comparison and/or use a validation dataset related to the training dataset. We determine if DC models are comparable to Radiation Oncologist (RO) inter-observer variability on an independent dataset. METHODS Expert contours (EC) were created by multiple ROs for central nervous system (CNS), head and neck (H&N), and prostate radiotherapy (RT) OARs and CTVs. DCs were generated using deep learning-based auto-segmentation software trained by a single RO on publicly available data. Contours were compared using Dice Similarity Coefficient (DSC) and 95% Hausdorff distance (HD). RESULTS Sixty planning CT scans had 2-4 ECs, for a total of 60 CNS, 53 H&N, and 50 prostate RT contour sets. The mean DC and EC contouring times were 0.4 vs 7.7 min for CNS, 0.6 vs 26.6 min for H&N, and 0.4 vs 21.3 min for prostate RT contours. There were minimal differences in DSC and 95% HD involving DCs for OAR comparisons, but more noticeable differences for CTV comparisons. CONCLUSIONS The accuracy of DCs trained by a single RO is comparable to expert inter-observer variability for the RT planning contours in this study. Use of deep learning-based auto-segmentation in clinical practice will likely lead to significant benefits to RT planning workflow and resources.

中文翻译：

---

比较基于深度学习的风险器官自动分割和临床目标体积与放疗计划中专家观察者间的变异性

背景技术基于深度学习的自动分割轮廓（DC）旨在减轻风险器官（OAR）和临床目标体积（CTV）的劳动密集型轮廓。大多数以前的 DC 验证研究都有有限数量的专家观察员进行比较和/或使用与训练数据集相关的验证数据集。我们确定 DC 模型是否与独立数据集上的放射肿瘤学家 (RO) 观察者间变异性相当。方法 专家轮廓 (EC) 由多个 RO 创建，用于中枢神经系统 (CNS)、头颈部 (H&N) 和前列腺放射治疗 (RT) OAR 和 CTV。DC 是使用基于深度学习的自动分割软件生成的，该软件由单个 RO 对公开可用数据进行训练。使用骰子相似系数 (DSC) 和 95% Hausdorff 距离 (HD) 比较轮廓。结果 60 次计划 CT 扫描有 2-4 个 EC，总共有 60 个 CNS、53 个 H&N 和 50 个前列腺 RT 轮廓集。中枢神经系统的平均 DC 和 EC 轮廓时间分别为 0.4 与 7.7 分钟，H&N 为 0.6 与 26.6 分钟，前列腺 RT 轮廓为 0.4 与 21.3 分钟。DSC 和涉及 DC 的 95% HD 在 OAR 比较中差异很小，但在 CTV 比较中差异更明显。结论 由单个 RO 训练的 DC 的准确性与本研究中 RT 计划轮廓的专家观察者间变异性相当。在临床实践中使用基于深度学习的自动分割可能会给 RT 规划工作流程和资源带来显着的好处。前列腺放疗轮廓为 0.4 与 21.3 分钟。DSC 和涉及 DC 的 95% HD 在 OAR 比较中差异很小，但在 CTV 比较中差异更明显。结论 由单个 RO 训练的 DC 的准确性与本研究中 RT 计划轮廓的专家观察者间变异性相当。在临床实践中使用基于深度学习的自动分割可能会给 RT 规划工作流程和资源带来显着的好处。前列腺放疗轮廓为 0.4 与 21.3 分钟。DSC 和涉及 DC 的 95% HD 在 OAR 比较中差异很小，但在 CTV 比较中差异更明显。结论 由单个 RO 训练的 DC 的准确性与本研究中 RT 计划轮廓的专家观察者间变异性相当。在临床实践中使用基于深度学习的自动分割可能会给 RT 规划工作流程和资源带来显着的好处。