用于非转移性鼻咽癌患者自动风险评估的深度卷积神经网络模型
图像与视频处理
2019-07-30 v1
摘要
鼻咽癌 (NPC) 是东南亚地区的地方性癌症。随着调强放射治疗的出现，优异的局部区域控制得以实现。 Consequently，这导致治疗前临床分期分类对治疗后复发等预后的预测能力减弱。需要替代的治疗前策略来预测 NPC 治疗后预后，以提供更好的风险分层。在本研究中，我们提出了一种基于对比增强 T1 (T1C) 与 T2 加权 (T2) MRI 扫描的深度卷积神经网络模型，用于预测 NPC 患者初次治疗后的 3 年疾病进展。我们回顾性收集了来自香港和中国四个独立中心的 596 名非转移性 NPC 患者。我们的模型首先对原发 NPC 肿瘤进行分割以定位肿瘤，然后将分割掩码作为先验知识，结合 T1C 与 T2 扫描对 3 年疾病进展进行分类。对于分割，我们改编并修改了 VNet 以编码 T1C 与 T2 扫描，并进行编码以分类 T 分期与总分期。我们修改后的网络优于仅用 T1C 的基线 VNet 以及无 T 分期与总分期分类的网络。3 年疾病进展的分类结果在验证集中达到 AUC 0.828，但对于由来自不同中心的 146 名患者组成的测试集泛化不佳（AUC = 0.69）。我们的初步结果表明深度学习可为实现 NPC 患者治疗后疾病进展的预后提供可能。我们模型的一个优势是无需手动分割感兴趣区域，从而减轻临床医生负担。在深度学习模型用于 NPC 评估的临床应用前，仍需在多中心数据集泛化方面进一步发展。
引用
@article{arxiv.1907.11861,
title = {Deep convolution neural network model for automatic risk assessment of patients with non-metastatic nasopharyngeal carcinoma},
author = {Richard Du and Peng Cao and Lujun Han and Qiyong Ai and Ann D. King and Varut Vardhanabhuti},
journal= {arXiv preprint arXiv:1907.11861},
year = {2019}
}
备注
Medical Imaging with Deep Learning 2019 - Extended Abstract. MIDL 2019 [arXiv:1907.08612]