一种用于衡量 metastatic ovarian cancer 局部反应模式的自监督图像配准方法
计算机视觉与模式识别
2024-07-25 v1
摘要
高等卵巢癌（HGSOC）以显著的空间和时间异质性为特征，通常在晚期转移性阶段表现出来。治疗晚期HGSOC的主要挑战之一是有效监控治疗期间多个部位局部肿瘤负担的变化，并预测长期病理反应和患者总体生存率。在本工作中，我们提出了一种自监督可变形图像配准算法，该算法利用通用图像编码器进行图像特征提取，以配准治疗前后采集的增强对比增强CT扫描图像。该方法解决了高度复杂肿瘤变形和治疗期间纵向病灶匹配的挑战。通过计算配准变形的雅可比行列式图在多个疾病部位及其宏观区域（包括低密度（即囊性/坏死性）、高密度（即钙化性）以及中间密度（即软组织）部分）中计算局部肿瘤变化。开展一系列实验以理解通用图像编码器的作用及其在HGSOC患者治疗期间量化肿瘤负担变化中的应用。本工作首次展示了在量化HGSOC患者复杂多部位肿瘤变化的整个疾病负担中，运用自监督图像配准方法的可行性，这可能用作预测卵巢癌患者长期病理反应和生存率的潜在指标。
引用
@article{arxiv.2407.17114,
title = {A Self-Supervised Image Registration Approach for Measuring Local Response Patterns in Metastatic Ovarian Cancer},
author = {Inês P. Machado and Anna Reithmeir and Fryderyk Kogl and Leonardo Rundo and Gabriel Funingana and Marika Reinius and Gift Mungmeeprued and Zeyu Gao and Cathal McCague and Eric Kerfoot and Ramona Woitek and Evis Sala and Yangming Ou and James Brenton and Julia Schnabel and Mireia Crispin},
journal= {arXiv preprint arXiv:2407.17114},
year = {2024}
}