基于演化深度放射组学序列发现的发现放射组学用于病理证实肺癌检测
神经与进化计算
2017-10-23 v2 计算机视觉与模式识别
机器学习
摘要
虽然肺癌是男性和女性中诊断第二多的癌症形式，但足够早期的诊断对患者的生存率至关重要。基于成像的或放射组学驱动的检测方法已被开发以辅助诊断医生，但很大程度上依赖手工制作的特征，这些特征可能无法完全概括癌组织和健康组织之间的差异。最近，引入了发现放射组学的概念，其中从现成的成像数据中发现自定义的抽象特征。我们提出了一种基于演化深度智能的新型演化深度放射组学序列发现方法。受患者隐私问题和操作人工智能想法的驱动，演化深度放射组学序列发现方法有机地演化出越来越高效的深度放射组学序列器，这些序列器在多个世代中产生显著更紧凑但描述性相似的放射组学序列。因此，该框架提高了操作效率，并使诊断能够在放射科医生的计算机本地运行，同时保持检测精度。我们使用来自LIDC-IDRI数据集的具有病理证实诊断数据的临床肺部CT数据，将所提出的演化深度放射组学序列发现框架发现的演化深度放射组学序列器（EDRS）与最先进的放射组学驱动和发现放射组学方法进行了评估。相对于先前的放射组学方法，演化深度放射组学序列器显示出改进的灵敏度（93.42%）、特异性（82.39%）和诊断准确率（88.78%）。
引用
@article{arxiv.1705.03572,
title = {Discovery Radiomics via Evolutionary Deep Radiomic Sequencer Discovery for Pathologically-Proven Lung Cancer Detection},
author = {Mohammad Javad Shafiee and Audrey G. Chung and Farzad Khalvati and Masoom A. Haider and Alexander Wong},
journal= {arXiv preprint arXiv:1705.03572},
year = {2017}
}
备注
26 pages