通过证据推理结合多目标放射组学与三维卷积神经网络预测头颈癌淋巴结转移
医学物理
2019-05-01 v1
摘要
淋巴结转移（LNM）是头颈癌患者的重要预后因素，准确预测其发生对于治疗优化至关重要。PET 和 CT 成像常规用于 LNM 识别。然而，LNM 的不确定性始终存在，尤其是对于小尺寸或反应性淋巴结。放射组学和深度学习是基于影像预测淋巴结恶性的两种优选策略。放射组学模型基于手工提取的特征构建，而深度学习可自动学习特征。我们提出了一种混合预测模型，通过证据推理（ER）方法结合多目标放射组学（MO-radiomics）与三维卷积神经网络（3D-CNN）。为构建更可靠的模型，我们提出了一种新的多目标放射组学模型。同时，我们设计了一个充分利用空间上下文信息的 3D-CNN。最后，通过 ER 方法融合输出。为研究两种模态的可预测性，我们针对 PET、CT 以及 PET&CT 构建了三个模型。结果表明，两种模态结合时模型性能最佳。此外，我们表明混合模型获得的定量结果优于 MO-radiomics 和 3D-CNN 所得结果。
引用
@article{arxiv.1809.01737,
title = {Combining Many-objective Radiomics and 3-dimensional Convolutional Neural Network through Evidential Reasoning to Predict Lymph Node Metastasis in Head and Neck Cancer},
author = {Liyuan Chen and Zhiguo Zhou and David Sher and Qiongwen Zhang and Jennifer Shah and Nhat-Long Pham and Steve Jiang and Jing Wang},
journal= {arXiv preprint arXiv:1809.01737},
year = {2019}
}
备注
arXiv admin note: text overlap with arXiv:1805.07021