从 CT 扫描进行肺结节分割与 EGFR 突变状态预测的放射基因组学流程
图像与视频处理
2022-11-15 v1 计算机视觉与模式识别
机器学习
摘要
肺癌是全球主要的死亡原因。肺癌的早期检测对于更有利的预后至关重要。放射基因组学是一门新兴学科，它结合医学影像与基因组特征以非侵入方式建模患者结局。本研究提出一个放射基因组学流程：1）一种新颖的混合架构（RA-Seg），通过注意力与循环模块分割肺癌；2）深度特征分类器以区分表皮生长因子受体（EGFR）突变状态。我们在多个公共数据集上评估所提算法以评估其泛化性与鲁棒性。我们展示了所提分割与分类方法优于现有基线及 SOTA 方法（73.54 Dice 与 93 F1 分数）。
引用
@article{arxiv.2211.06620,
title = {A Radiogenomics Pipeline for Lung Nodules Segmentation and Prediction of EGFR Mutation Status from CT Scans},
author = {Ivo Gollini Navarrete and Mohammad Yaqub},
journal= {arXiv preprint arXiv:2211.06620},
year = {2022}
}
备注
4 pages, 3 figures, 3 tables. Preprint to International Symposium on Biomedical Imaging (ISBI) 2023