利用分割标签与表示学习预测胰腺导管腺癌患者治疗反应
图像与视频处理
2023-03-31 v2 计算机视觉与模式识别
摘要
在高死亡率的胰腺导管腺癌这一肿瘤类型中，预测其治疗反应是一项具有临床挑战性且重要的任务。由于缺乏大规模数据集以及胰腺解剖定位困难，训练能够应对该挑战的神经网络受到阻碍。在此，我们提出一种混合深度神经网络流程，基于实体瘤疗效评价标准（RECIST）评分（临床医生用于癌症疗效评估的标准化方法）、肿瘤标志物以及患者临床评估，来预测肿瘤对初始化疗的反应。我们结合了从分割到分类的表示迁移，以及定位与表示学习。我们的方法产生了一种显著数据高效的方法，仅使用总计477个数据集，便能以63.7%的ROC-AUC预测治疗反应。
引用
@article{arxiv.2211.04180,
title = {Exploiting segmentation labels and representation learning to forecast therapy response of PDAC patients},
author = {Alexander Ziller and Ayhan Can Erdur and Friederike Jungmann and Daniel Rueckert and Rickmer Braren and Georgios Kaissis},
journal= {arXiv preprint arXiv:2211.04180},
year = {2023}
}