面向医学图像生存时间预测的删失感知半监督学习
计算机视觉与模式识别
2022-05-27 v1
摘要
从医学图像预测生存时间对于治疗规划十分重要，准确的估计可改善医疗质量。影响生存模型训练的一个问题是删失数据。当前大多数生存预测方法基于可处理删失数据的 Cox 模型，但其应用范围受限，因为它们输出风险函数而非生存时间。另一方面，预测生存时间的方法通常忽略删失数据，导致训练集利用不足。在本工作中，我们提出一种利用所有删失与未删失数据预测生存时间的新训练方法。我们提议将删失数据视为具有死亡时间下界的样本，并估计伪标签以半监督一个删失感知的生存时间回归器。我们在来自 TCGA-GM 和 NLST 数据集的病理与 X 射线图像上评估了我们的方法。我们的结果在这两个数据集上均确立了最先进的生存预测精度。
引用
@article{arxiv.2205.13226,
title = {Censor-aware Semi-supervised Learning for Survival Time Prediction from Medical Images},
author = {Renato Hermoza and Gabriel Maicas and Jacinto C. Nascimento and Gustavo Carneiro},
journal= {arXiv preprint arXiv:2205.13226},
year = {2022}
}
备注
12 pages, 4 figures