基于 DWI 数据的乳腺癌新辅助化疗响应自动预测
计算机视觉与模式识别
2024-04-09 v1 人工智能
摘要
乳腺癌的有效手术规划取决于准确预测新辅助化疗（NAC）的病理完全缓解（pCR）。扩散加权 MRI（DWI）与机器学习为早期 pCR 评估提供了一种非侵入性方法。然而，大多数机器学习模型需要手动肿瘤分割，这是一项繁琐且易出错的任务。我们提出了一种采用“尺寸自适应病灶加权”的深度学习模型，用于自动 DWI 肿瘤分割以提升 pCR 预测准确率。尽管 NAC 期间的组织病理学变化会使 DWI 图像分割复杂化，我们的模型仍展现出稳健的性能。利用 BMMR2 挑战赛数据集，它在 NAC 前的 pCR 预测中与人类专家相当，曲线下面积（AUC）为 0.76 对 0.796；并在 NAC 中期超越了标准自动化方法，AUC 为 0.729 对 0.654 和 0.576。我们的方法代表了乳腺癌治疗规划自动化的重大进展，能够在无需手动分割的情况下实现更可靠的 pCR 预测。
引用
@article{arxiv.2404.05061,
title = {Automated Prediction of Breast Cancer Response to Neoadjuvant Chemotherapy from DWI Data},
author = {Shir Nitzan and Maya Gilad and Moti Freiman},
journal= {arXiv preprint arXiv:2404.05061},
year = {2024}
}
备注
Accepted for presentation at the IEEE International Symposium on Biomedical Imaging (ISBI)