无需对比增强MRI的辅助胶质瘤诊断自适应PromptNet
图像与视频处理
2022-11-16 v1 计算机视觉与模式识别
机器学习
摘要
基于多对比磁共振成像（MRI）的自动辅助胶质瘤诊断在临床中发挥重要作用。现有大多数相关研究利用了对比增强 MRI 序列（如对比增强 T1 加权成像），并报道了显著的诊断结果。然而，由于患者生理限制，获取对比增强 MRI 数据有时不可行。此外，临床上采集对比增强 MRI 数据更耗时且昂贵。本文中，我们提出一种自适应 PromptNet 以解决这些问题。具体而言，构建了一个仅利用非增强 MRI 数据进行胶质瘤分级的 PromptNet。PromptNet 通过所设计的提示损失在训练时接收来自对比增强 MR 数据特征的约束。为进一步提升性能，设计了一种自适应策略以基于样本的方式对提示损失动态加权。因此，PromptNet 能够处理更困难的样本。我们方法的有效性在广泛使用的 BraTS2020 数据集上进行了评估，并在 NE-MRI 数据上取得了具竞争力的胶质瘤分级性能。
引用
@article{arxiv.2211.07966,
title = {Adaptive PromptNet For Auxiliary Glioma Diagnosis without Contrast-Enhanced MRI},
author = {Yeqi Wang and Weijian Huang and Cheng Li and Xiawu Zheng and Yusong Lin and Shanshan Wang},
journal= {arXiv preprint arXiv:2211.07966},
year = {2022}
}
备注
5 pages, 2 figures, 2 tables