基于卷积受限玻尔兹曼机的放射组学用于预测乳腺癌新辅助化疗病理完全缓解
图像与视频处理
2019-06-03 v1 计算机视觉与模式识别
摘要
我们提出了一种新颖的基于卷积受限玻尔兹曼机（CRBM）的放射组学方法，用于预测乳腺癌患者对新辅助化疗（NACT）的病理完全缓解（pCR）。该方法包括从CRBM网络提取语义特征以及pCR预测。我们在57例患者的动态对比增强磁共振成像（DCE-MRI）数据上并使用受试者工作特征曲线下面积（AUC）进行了评估。从NACT给药前和给药后获取的图像中提取了传统放射组学特征和从CRBM网络学习的语义特征。经过特征选择后，训练支持向量机（SVM）、逻辑回归（LR）和随机森林（RF）来预测pCR状态。与传统放射组学方法相比，所提出的基于CRBM的放射组学方法在NACT前后获取的图像预测中获得了0.92的AUC，在预处理预测中获得了0.87的AUC，后者提高了约38%。结果表明，基于CRBM的放射组学方法为在治疗前准确预测乳腺癌对NACT的pCR提供了一种潜在手段，这对于制定更合适和个性化的治疗方案非常有用。
引用
@article{arxiv.1905.13312,
title = {Convolutional Restricted Boltzmann Machine Based-Radiomics for Prediction of Pathological Complete Response to Neoadjuvant Chemotherapy in Breast Cancer},
author = {Li Wang and Lihui Wang and Qijian Chen and Caixia Sun and Xinyu Cheng and Yuemin Zhu},
journal= {arXiv preprint arXiv:1905.13312},
year = {2019}
}
备注
8 pages, 6 figures, 3 tables