基于典型相关分析的多模态导管内乳头状黏液性肿瘤（IPMN）深度分类
计算机视觉与模式识别
2018-10-15 v3 人工智能
机器学习
定量方法
组织与器官
摘要
胰腺癌在所有癌症类型中预后最差。导管内乳头状黏液性肿瘤（IPMNs）是可通过影像学识别的胰腺癌前驱病变；因此，IPMN 的早期检测与精确风险评估至关重要。本工作中，我们提出一种基于卷积神经网络（CNN）的计算机辅助诊断（CAD）系统，利用多模态 MRI 进行 IPMN 诊断与风险评估。在我们提出的方法中，我们使用最小与最大强度投影以缓解不同切片及 MRI 类型间的标注差异。随后，我们提出一个 CNN 以获取各 MRI 模态（T1 加权与 T2 加权）对应的深度特征表示。在最后一步，我们采用典型相关分析（CCA）在特征层执行融合操作，得到判别性典型相关特征。提取的特征用于分类。我们的结果表明，相较其他解决这一重要问题的潜在方法有明显提升。所提方法在正负样本不平衡时无需显式样本均衡。据我们所知，我们的研究是首个利用多模态 MRI 自动诊断 IPMN 的工作。
引用
@article{arxiv.1710.09779,
title = {Deep Multi-Modal Classification of Intraductal Papillary Mucinous Neoplasms (IPMN) with Canonical Correlation Analysis},
author = {Sarfaraz Hussein and Pujan Kandel and Juan E. Corral and Candice W. Bolan and Michael B. Wallace and Ulas Bagci},
journal= {arXiv preprint arXiv:1710.09779},
year = {2018}
}
备注
Accepted for publication in IEEE International Symposium on Biomedical Imaging (ISBI) 2018