基于区域的相关特征聚合有助于在 CT 上区分透明细胞肾细胞癌的侵袭性与惰性亚型
图像与视频处理
2022-09-30 v1 计算机视觉与模式识别
摘要
肾细胞癌 (RCC) 是一种常见的癌症，其临床行为各异。惰性 RCC 通常为低级别且无坏死，可在无治疗的情况下监测。侵袭性 RCC 通常为高级别，若未及时检测和治疗可导致转移和死亡。虽然大多数肾癌在 CT 扫描上被发现，但分级基于有创活检或手术的组织学。在 CT 图像上确定侵袭性具有临床重要性，因为它有助于风险分层和治疗规划。本研究旨在使用机器学习方法识别与病理学特征相关的放射学特征，以便在 CT 图像上而非组织学上评估癌症侵袭性。本文提出一种新颖的自动化方法——基于区域的相关特征聚合 (CorrFABR)，通过利用放射学图像与相应未对齐病理学图像之间的相关性，对透明细胞 RCC 的侵袭性进行分类。CorrFABR 包含三个主要步骤：(1) 特征聚合，从放射学和病理学图像中提取区域级特征；(2) 融合，在区域级学习与所述病理学特征相关的放射学特征；(3) 预测，使用学习到的相关特征以 CT 单独作为输入区分侵袭性与惰性透明细胞 RCC。因此，在训练期间，CorrFABR 从放射学和病理学图像中学习，但在推理期间，CorrFABR 将在无病理学图像的情况下仅使用 CT 区分侵袭性与惰性透明细胞 RCC。CorrFABR 较单独使用放射学特征提升了分类性能，二分类 F1 分数从 0.68 (0.04) 提高到 0.73 (0.03)。这展示了在 CT 图像上结合病理学疾病特征以改进透明细胞 RCC 侵袭性分类的潜力。
引用
@article{arxiv.2209.14657,
title = {Correlated Feature Aggregation by Region Helps Distinguish Aggressive from Indolent Clear Cell Renal Cell Carcinoma Subtypes on CT},
author = {Karin Stacke and Indrani Bhattacharya and Justin R. Tse and James D. Brooks and Geoffrey A. Sonn and Mirabela Rusu},
journal= {arXiv preprint arXiv:2209.14657},
year = {2022}
}
备注
Submitted to Medical Image Analysis