DeepMTS：基于 pretreatment PET/CT 利用多任务深度学习对晚期鼻咽癌患者生存预测
图像与视频处理
2022-09-20 v2 计算机视觉与模式识别
机器学习
摘要
鼻咽癌(NPC)是一种源于鼻咽部的恶性上皮性癌症。生存预测是鼻咽癌患者的主要关注问题，因其可提供早期预后信息以规划治疗。近来，基于深度学习的深度生存模型已展现出超越传统基于放射组学的生存预测模型的潜力。深度生存模型通常使用覆盖整个目标区域(如鼻咽癌的鼻咽部)或仅含分割肿瘤区域的图像块作为输入。然而，使用整个目标区域的模型会纳入不相关的背景信息，而使用分割肿瘤区域的模型会忽略原发肿瘤之外可能存在的预后信息(如局部淋巴结转移和邻近组织侵犯)。在本研究中，我们提出一种3D端到端深度多任务生存模型(DeepMTS)，用于从治疗前PET/CT中对晚期鼻咽癌进行联合生存预测与肿瘤分割。我们的创新之处在于引入硬共享分割骨干网络以引导提取与原发肿瘤相关的局部特征，从而减少不相关背景信息的干扰。此外，我们还引入级联生存网络以捕获原发肿瘤之外存在的预后信息，并进一步利用从分割骨干网络导出的全局肿瘤信息(如肿瘤大小、形状和位置)。我们在两个临床数据集上的实验表明，我们的DeepMTS能够持续优于传统的基于放射组学的生存预测模型和现有的深度生存模型。
引用
@article{arxiv.2109.07711,
title = {DeepMTS: Deep Multi-task Learning for Survival Prediction in Patients with Advanced Nasopharyngeal Carcinoma using Pretreatment PET/CT},
author = {Mingyuan Meng and Bingxin Gu and Lei Bi and Shaoli Song and David Dagan Feng and Jinman Kim},
journal= {arXiv preprint arXiv:2109.07711},
year = {2022}
}
备注
Accepted at IEEE Journal of Biomedical and Health Informatics (JBHI)