深度病灶追踪器：在四维纵向影像研究中监测病灶

在纵向研究中监测治疗反应在临床实践中起着重要作用。在连续影像随访中准确识别病灶是监测过程的核心。这通常同时涉及影像与解剖学考量。然而，人工匹配病灶耗时费力。本工作中，我们提出深度病灶追踪器（DLT），一种利用基于表观与基于解剖学信号的深度学习方法。为引入解剖学约束，我们提出一种解剖学信号编码器，防止病灶与视觉相似但虚假的区域相匹配。此外，我们给出一种用于连体网络的新公式，避免了三维互相关的沉重计算负担。为向我们的网络提供更多样化的图像，我们还提出一种自监督学习（SSL）策略，利用未配对图像训练追踪器，克服了数据收集的障碍。为训练和评估我们的追踪器，我们引入并发布了首个病灶追踪基准，包含来自公开 DeepLesion 数据库的三千八百九十一对病灶。所提方法 DLT 以 7 毫米的平均误差距离定位病灶中心，比领先的配准算法优 5%，同时在整卷 CT 上快 14 倍。我们展示了相较检测器或相似性学习替代方案的更大改进。DLT 在包含 100 个纵向研究的外部临床测试集上泛化良好，达到 88% 准确率。最后，我们将 DLT 接入自动肿瘤监测工作流，在评估病灶治疗反应中达到 85% 准确率，仅比人工输入的准确率低 0.46%。