基于 LaryngealCT 数据集对深度学习模型进行 laryngeal 癌症分期基准测试
计算机视觉与模式识别
2025-10-14 v1
摘要
laryngeal 癌症影像研究缺乏标准化数据集以实现可复现的深度学习（DL）模型开发。我们提出 LaryngealCT，一个来自 The Cancer Imaging Archive（TCIA）六个数据集合聚合的精选 1,029 例 CT 扫描基准数据集。使用经弱监督参数搜索框架提取覆盖 larynx 的均匀 1mm 各向同性感兴趣区域（VOI），并由临床专家验证。对 3D DL 架构（3D CNN、ResNet18、50、101、DenseNet121）进行基准测试，分别针对（i）早期（Tis、T1、T2）与晚期（T3、T4）以及（ii）T4 与非 T4 分类任务。3D CNN（AUC-0.881、F1-macro-0.821）和 ResNet18（AUC-0.892、F1-macro-0.646）在两个任务中分别优于其他模型。通过对 3D GradCAM 进行模型可解释性评估，发现非 T4 案例中髙骨盖膜周围注意力更强，而 T4 预测则表现为局部激活。通过开源数据、预训练模型和集成可解释性工具，LaryngealCT 提供了一个可复现的基础，支持 laryngeal 肿瘤学中的 AI 驱动研究，以支持临床决策。
引用
@article{arxiv.2510.11047,
title = {Benchmarking Deep Learning Models for Laryngeal Cancer Staging Using the LaryngealCT Dataset},
author = {Nivea Roy and Son Tran and Atul Sajjanhar and K. Devaraja and Prakashini Koteshwara and Yong Xiang and Divya Rao},
journal= {arXiv preprint arXiv:2510.11047},
year = {2025}
}