利用多种磁共振成像模态增强临床显著性前列腺癌预测中的可信度
机器学习
2024-11-08 v1
摘要
在美国，前列腺癌是男性第二大死因，预计 2024 年将有 35,250 人死于该病。然而，大多数诊断结果为非致命性且被认为临床不显著，这意味着患者在其一生中可能不会受到癌症的影响。因此，许多研究探索了基于磁共振成像（MRI）模态和深度神经网络预测前列腺癌临床显著性的准确性。尽管这些模型性能很高，但大多数临床科学家并不信任它们，因为这些模型仅基于单一模态训练，而临床科学家在诊断过程中经常使用多种磁共振成像模态。在本文中，我们研究了结合多种 MRI 模态来训练深度学习模型，以增强模型在临床显著性前列腺癌预测中的可信度。有前景的性能和所提出的训练流程展示了融合多种 MRI 模态以增强可信度和准确性的优势。
引用
@article{arxiv.2411.04662,
title = {Enhancing Trust in Clinically Significant Prostate Cancer Prediction with Multiple Magnetic Resonance Imaging Modalities},
author = {Benjamin Ng and Chi-en Amy Tai and E. Zhixuan Zeng and Alexander Wong},
journal= {arXiv preprint arXiv:2411.04662},
year = {2024}
}
备注
Findings paper presented at Machine Learning for Health (ML4H) symposium 2024, December 15-16, 2024, Vancouver, Canada, 6 pages