面向不完整数据下肾癌诊断的统一多期 CT 合成与分类框架
图像与视频处理
2023-12-12 v1 计算机视觉与模式识别
机器学习
摘要
由于各期相之间的互补信息,多期 CT 被广泛用于肾癌诊断。然而,在实际临床应用中,往往无法获得完整的多期 CT 数据集。近年来,已有一些研究致力于从可用数据中生成缺失模态图像。尽管如此,生成的图像并不能保证对诊断任务有效。在本文中,我们提出了一个面向不完整多期 CT 肾癌诊断的统一框架,该框架同时恢复缺失的 CT 图像,并利用补全后的图像集对癌症亚型进行分类。我们框架的优势在于,它促使合成模型显式地学习生成有助于癌症亚型分类的缺失 CT 期相。我们进一步将病灶分割网络整合到框架中,以利用病灶级特征在全 CT 体积中进行有效的癌症分类。所提出的框架基于全 3D 卷积神经网络,以联合优化 3D CT 体积的合成与分类。在内部和外部数据集上的大量实验表明,与最先进的基线方法相比,我们的框架在不完整数据诊断方面具有有效性。特别地,使用我们方法补全的 CT 数据进行癌症亚型分类,比使用给定的不完整数据进行分类取得了更高的性能。
引用
@article{arxiv.2312.05548,
title = {A Unified Multi-Phase CT Synthesis and Classification Framework for Kidney Cancer Diagnosis with Incomplete Data},
author = {Kwang-Hyun Uhm and Seung-Won Jung and Moon Hyung Choi and Sung-Hoo Hong and Sung-Jea Ko},
journal= {arXiv preprint arXiv:2312.05548},
year = {2023}
}
备注
This article has been accepted for publication in IEEE Journal of Biomedical and Health Informatics