面向 T1 加权增强三维 MRI 的脑转移瘤自动检测框架
图像与视频处理
2019-08-14 v1
摘要
脑转移瘤（BM）使 20-40% 的癌症病例复杂化。BM 病灶可表现为点状（1 mm）焦点，需要高精度的磁共振成像（MRI）以防止 BM 治疗不足或延迟。然而，BM 病灶检测仍然具有挑战性，部分原因是其与正常结构（例如血管）在结构上的相似性。我们提出了一种使用单序列钆增强 T1 加权三维 MRI 数据集的 BM 检测框架。该框架专注于检测较小的（< 15 mm）BM 病灶，并由以下部分组成：（1）候选选择阶段，使用高斯拉普拉斯（Laplacian of Gaussian）方法突出 MRI 体积中 BM 发生概率较高的部分；（2）检测阶段，使用定制构建的三维卷积神经网络（“CropNet”）迭代处理以候选为中心裁剪出的感兴趣区域体积。数据在训练期间通过由随机伽马校正和弹性形变阶段组成的流水线进行广泛增强；该框架从而在对 BM 形状和强度表示的合理范围内保持其不变性。该方法使用来自 158 名患者的 217 个数据集进行五折交叉验证测试，训练和测试组按患者随机分配以消除学习偏差。BM 数据库包含的病灶平均直径约 5.4 mm，平均体积约 160 mm3。对于 90% 的 BM 检测灵敏度，该框架平均产生每名患者 9.12 个假阳性 BM 检测（标准差 3.49）；对于 85% 灵敏度，假阳性平均数量下降至 5.85。比较分析表明，该框架产生的 BM 检测精度与针对显著更大病灶验证的当前最优（state-of-the-art）方法相当。
引用
@article{arxiv.1908.04701,
title = {Automated Brain Metastases Detection Framework for T1-Weighted Contrast-Enhanced 3D MRI},
author = {Engin Dikici and John L. Ryu and Mutlu Demirer and Matthew Bigelow and Richard D. White and Wayne Slone and Barbaros Selnur Erdal and Luciano M. Prevedello},
journal= {arXiv preprint arXiv:1908.04701},
year = {2019}
}