Feasibility of automated AI-based contouring and stable radiomic feature assessment by HyperSight-CBCT Imaging for adaptive high-precision radiotherapy of prostate cancer

Abstract This study evaluated segmentation accuracy, efficiency, and radiomic feature stability for manual (MD), artificial intelligence-based (AI), and hybrid (MD + AI) contouring of pelvic organs on planning CT (pCT) and HyperSight cone-beam CT (hCBCT) for adaptive radiotherapy. Dice similarity an...

Szczegółowa specyfikacja

Opis bibliograficzny

Główni autorzy:	Ralf Schmidt, Dion Bajerski, Alicia S. Bicu, Victor Siefert, Miriam Eckl, Marvin Willam, Matthias F. Froelich, Stefan O. Schoenberg, Michael Ehmann, Daniel Buergy, Florian Stieler, Jens Fleckenstein, Frank A. Giordano, Judit Boda-Heggemann, Constantin Dreher
Format:	Artigo
Język:	Inglês
Wydane:	Nature Portfolio 2026-04-01
Seria:	Scientific Reports
Hasła przedmiotowe:	Radiomics Autocontouring Adaptive radiotherapy HyperSight-CBCT Prostate cancer Ethos
Dostęp online:	https://doi.org/10.1038/s41598-026-46359-3
Etykiety:	Dodaj etykietę Nie ma etykietki, Dołącz pierwszą etykiete!