用于多参数 MRI 前列腺癌检测的发现影像组学

前列腺癌是加拿大男性中确诊最多的癌症，也是第三大癌症死因。尽管有这些统计数据，但只要诊断足够早，预后相对较好，这使得快速可靠的前列腺癌检测至关重要。由于基于影像的前列腺癌筛查（如磁共振成像 MRI）需要经验丰富的医疗专业人员对数据进行大量审查并作出诊断，影像组学驱动的方法有助于简化这一过程，并有望显著提高诊断的准确性和效率，从而提高患者的生存率。这些影像组学驱动的方法目前依赖于手工设计的基于影像的定量特征集，这些特征是手动选择的，可能限制其充分表征独特前列腺癌肿瘤表型的能力。在本研究中，我们提出了一种新颖的发现影像组学框架，用于生成针对前列腺癌检测量身定制的自定义影像组学序列。发现影像组学旨在揭示抽象的基于影像的特征，这些特征能够捕获高度独特的肿瘤特征与特性，超越使用预定义特征模型所能捕获的范围。在本文中，我们利用多参数 MRI 数据发现了新的自定义影像组学序列生成器，用于生成新的前列腺影像组学序列。我们使用真实临床前列腺多参数 MRI 数据，通过前馈神经网络评估了所发现的影像组学序列生成器在最先进的计算机辅助前列腺癌检测中的性能。结果表明，与手工设计的影像组学序列生成器相比，所发现的影像组学序列生成器在前列腺癌检测和临床决策支持方面表现出良好的性能。发现影像组学的应用显示出实现更高效、更可靠的自动前列腺癌检测的潜力。