基于深度学习的从 CT 与病理数据预测 NAS 评分与纤维化分期
图像与视频处理
2020-09-23 v1 计算机视觉与模式识别
摘要
非酒精性脂肪性肝病（NAFLD）在世界人口中日益普遍。若未能及时诊断，NAFLD 可发展为非酒精性脂肪性肝炎（NASH）并进而导致肝损伤。NAFLD 的诊断与治疗依赖于 NAFLD 活动评分（NAS）与肝纤维化分期，它们通常由病理学家从肝活检中评估。本工作中，我们提出一种新方法，从 CT 数据自动预测 NAS 评分与纤维化分期，与肝活检相比其获取无创且廉价。我们也提出一种方法，在 CT 与 H&E 染色病理数据均可用时，融合二者信息以提升 NAS 评分与纤维化分期预测性能。这对辅助病理学家进行计算机辅助诊断过程极具价值。在 30 例患者数据集上的实验说明了我们方法的有效性。
引用
@article{arxiv.2009.10687,
title = {Deep Learning based NAS Score and Fibrosis Stage Prediction from CT and Pathology Data},
author = {Ananya Jana and Hui Qu and Puru Rattan and Carlos D. Minacapelli and Vinod Rustgi and Dimitris Metaxas},
journal= {arXiv preprint arXiv:2009.10687},
year = {2020}
}
备注
6 pages, 3 figures. Accepted in IEEE BIBE 2020