利用深度学习增强前列腺癌诊断：一项基于 mpMRI 分割与分类的研究
图像与视频处理
2023-10-11 v2 计算机视觉与模式识别
机器学习
摘要
前列腺癌（PCa）是全球男性中的严重疾病。早期识别并精确诊断 PCa 对有效治疗十分重要。在 PCa 诊断中，多参数磁共振成像（mpMRI）已成为一种极有价值的成像方式，可提供前列腺及其组织结构的精确解剖视图。深度学习（DL）模型能够通过为医生定位感兴趣区域来增强现有临床系统并改善患者护理。近来，DL 技术被用于开发分割与分类不同癌症类型的流水线。这些研究表明 DL 可用于提高诊断精度并给出无变异性的客观结果。本工作使用知名的 DL 模型对 mpMRI 图像进行分类与分割以检测 PCa。我们的实现包含四条流水线：Semantic DeepSegNet 配 ResNet50、DeepSegNet 配循环神经网络（RNN）、U-Net 配 RNN，以及 U-Net 配长短期记忆（LSTM）。每个分割模型搭配不同分类器，以使用不同指标评估性能。实验结果表明，采用 U-Net 与 LSTM 模型组合的流水线优于所有其他组合，在分割与分类任务上均表现出色。
引用
@article{arxiv.2310.05371,
title = {Enhancing Prostate Cancer Diagnosis with Deep Learning: A Study using mpMRI Segmentation and Classification},
author = {Anil B. Gavade and Neel Kanwal and Priyanka A. Gavade and Rajendra Nerli},
journal= {arXiv preprint arXiv:2310.05371},
year = {2023}
}
备注
Accepted at CISCON-2023