“人人皆有其网”：基于单一患者纵向数据训练的完全个性化无监督神经网络
机器学习
2022-10-28 v1 人工智能
计算机视觉与模式识别
摘要
随着个性化医学重要性的提升，我们训练了个性化神经网络以在纵向数据集中检测肿瘤进展。该模型在两个数据集上进行了评估，共计包含来自 32 名诊断为多形性胶质母细胞瘤（GBM）患者的 64 次扫描。本研究使用了脑部磁共振成像（MRI）图像的对比增强 T1w 序列。对于每位患者，我们仅使用来自不同时间点的两张图像训练其专属神经网络。我们的方法使用 Wasserstein-GAN（生成对抗网络）这一无监督网络架构来映射两张图像之间的差异。利用此映射图，可以评估肿瘤体积的变化。由于数据增强与网络架构的结合，无需对两张图像进行配准。此外，我们不依赖任何额外的训练数据、（人工）标注或预训练神经网络。该模型在肿瘤变化检测上获得了 0.87 的 AUC 分数。我们还引入了修改版的 RANO 标准，可达到 66\% 的准确率。我们表明，仅使用单一患者的数据即可训练深度神经网络来监测肿瘤变化。
引用
@article{arxiv.2210.14228,
title = {'A net for everyone': fully personalized and unsupervised neural networks trained with longitudinal data from a single patient},
author = {Christian Strack and Kelsey L. Pomykala and Heinz-Peter Schlemmer and Jan Egger and Jens Kleesiek},
journal= {arXiv preprint arXiv:2210.14228},
year = {2022}
}