基于多期相多序列 MRI 的肝脏病灶定位、鉴别与不确定性估计深度学习流程
图像与视频处理
2021-10-19 v1 计算机视觉与模式识别
摘要
目的：提出一种用于肝脏病灶定性诊断并带不确定性估计的全自动计算机辅助诊断（CAD）方案。方法：我们纳入了 2006 年至 2019 年间接受肝切除或活检并被诊断为肝细胞癌（HCC）、肝内胆管癌或继发性转移瘤的 400 例患者。每位患者均接受了 T1WI、T2WI、T1WI 静脉期（T2WI-V）、T1WI 动脉期（T1WI-A）及 DWI MRI 序列扫描。我们提出一种全自动深度 CAD 流程，利用关键切片解析从 3D MRI 研究中定位病灶，并为其诊断提供置信度度量。我们采用五折交叉验证进行评估，并将性能与三名放射科医师进行比较，包括一名资深肝脏放射科医师、一名初级肝脏放射科医师和一名腹部放射科医师。结果：所提出的 CAD 方案平均 F1 得分为 0.62，优于腹部放射科医师（0.47），与初级肝脏放射科医师（0.61）相当，但不及资深肝脏放射科医师（0.68）。该 CAD 系统能够对其诊断置信度进行有信息量的评估，即仅对置信度最高的 70% 病例进行评估时，HCC 与其他的区分中平均 F1 得分和 80% 特异度下的敏感度分别从 0.62 提升至 0.71、从 0.84 提升至 0.92。结论：所提出的全自动 CAD 方案在从 MRI 研究中发现和鉴别肝脏病灶方面可提供良好的诊断性能及有信息量的置信度评估。
引用
@article{arxiv.2110.08817,
title = {A deep learning pipeline for localization, differentiation, and uncertainty estimation of liver lesions using multi-phasic and multi-sequence MRI},
author = {Peng Wang and Yuhsuan Wu and Bolin Lai and Xiao-Yun Zhou and Le Lu and Wendi Liu and Huabang Zhou and Lingyun Huang and Jing Xiao and Adam P. Harrison and Ningyang Jia and Heping Hu},
journal= {arXiv preprint arXiv:2110.08817},
year = {2021}
}
备注
18 pages, 6 figures