用于前列腺癌侵袭性评估的计算机化多参数MR图像分析
计算机视觉与模式识别
2016-12-02 v1
摘要
我们提出一种自动方法，用于检测侵袭性前列腺癌(CaP)（Gleason评分>=7），该方法基于对病灶及周围正常前列腺组织的综合分析，这些组织同时捕获于T2加权MR图像、扩散加权图像(DWI)和表观扩散系数图(ADC)中。所提出的方法在79名患者（40名侵袭性，39名非侵袭性）的数据集上进行了测试。我们评估了多种流行的定量成像特征在区分侵袭性与非侵袭性CaP中的性能。我们发现，在1464个定量成像特征中，一组44个判别性预测因子可用于产生0.73的ROC曲线下面积。
引用
@article{arxiv.1612.00408,
title = {Computerized Multiparametric MR image Analysis for Prostate Cancer Aggressiveness-Assessment},
author = {Imon Banerjee and Lewis Hahn and Geoffrey Sonn and Richard Fan and Daniel L. Rubin},
journal= {arXiv preprint arXiv:1612.00408},
year = {2016}
}
备注
NIPS 2016 Workshop on Machine Learning for Health (NIPS ML4HC)