用于 T1 加权增强 3D MRI 中更快脑转移瘤检测的增强网络
图像与视频处理
2021-05-31 v1
摘要
脑转移瘤（BM）的早期检测是癌症患者成功治疗的决定性因素之一；然而，小 BM 病灶（< 15mm）的准确检测仍是一项艰巨任务。我们此前描述了一种在单序列钆增强 T1 加权 3D MRI 数据集中检测小 BM 的框架。它结合了经典图像处理（IP）与一个专用的卷积神经网络，由于计算密集的 IP 阶段，处理每个数据集约需 30 秒。为克服速度限制，本研究旨在通过一对增强的 CNN（消除 IP）重构该框架，以在保持 BM 检测性能的同时减少处理时间。我们之前实现的 BM 检测算法利用高斯拉普拉斯（LoG）进行候选选择部分。在本研究中，我们引入一种新颖的 BM 候选检测 CNN（cdCNN）来替代这一经典 IP 阶段。该网络被设计为（1）具有与 LoG 方法相似的感受野，以及（2）偏向于 BM 病灶位置的检测。所提出的 CNN 随后与一个分类 CNN 增强以执行 BM 检测任务。cdCNN 在每个 3D MRI 数据集产生 60K 候选时达到 97.4% 的 BM 检测灵敏度，而 LoG 在 73K 候选时达到 96.5% 检测灵敏度。增强的 BM 检测框架在 90% 灵敏度下平均每患者产生 9.20 个假阳性 BM 检测，与我们先前结果相当。然而，它处理每个 3D 数据仅需 1.9 秒，计算时间减少了 93.5%。
引用
@article{arxiv.2105.13406,
title = {Augmented Networks for Faster Brain Metastases Detection in T1-Weighted Contrast-Enhanced 3D MRI},
author = {Engin Dikici and Xuan V. Nguyen and Matthew Bigelow and Luciano M. Prevedello},
journal= {arXiv preprint arXiv:2105.13406},
year = {2021}
}