利用卷积神经网络与质量评估从 MRI 数据自动进行脑肿瘤分级
计算机视觉与模式识别
2018-11-01 v1 人工智能
摘要
胶质母细胞瘤是一种高级别、极具侵袭性的脑肿瘤,患者预后不良。低级别胶质瘤侵袭性较弱,但可随时间演变为高级别肿瘤。患者管理与治疗随肿瘤级别差异很大,从肿瘤切除联合放化疗到“观望”策略。因此,肿瘤分级对恰当治疗规划和监测十分重要。分级的金标准依赖活检标本的组织病理学诊断。然而,该过程有创、耗时且易采样误差。鉴于这些缺点,从广泛使用的 MRI 协议自动肿瘤分级将具临床重要性,作为加快治疗规划和评估肿瘤演变的途径。本文中,我们提议使用卷积神经网络(Convolutional Neural Networks)直接从影像数据预测肿瘤级别。以此,我们克服了对感兴趣区域专家标注的需求。我们评估两种预测途径:全脑与自动界定肿瘤区域。最后,我们采用可解释性方法作为质量保证阶段,以检查方法是否使用了指示肿瘤级别的图像区域进行分类。
引用
@article{arxiv.1809.09468,
title = {Automatic brain tumor grading from MRI data using convolutional neural networks and quality assessment},
author = {Sergio Pereira and Raphael Meier and Victor Alves and Mauricio Reyes and Carlos A. Silva},
journal= {arXiv preprint arXiv:1809.09468},
year = {2018}
}
备注
Accepted and presented at iMIMIC - Workshop on Interpretability of Machine Intelligence in Medical Image Computing