用于脑肿瘤 DCE-MRI 分析的全自动深度学习驱动系统
图像与视频处理
2019-07-22 v1 计算机视觉与模式识别
摘要
动态对比增强磁共振成像（DCE-MRI）在脑肿瘤的诊断与分级中起着重要作用。尽管手动 DCE 生物标志物提取算法通过提供肿瘤预后与预测的定量信息提升了 DCE-MRI 的诊断价值，但它们耗时且易受人误影响。本文提出一种用于脑肿瘤 DCE-MRI 分析的全自动端到端系统。我们的深度学习驱动技术无需任何用户交互，可得到可复现的结果，并针对基准数据（用于肿瘤分割的 BraTS'17，以及由定量成像生物标志物联盟发布的用于对比浓度拟合的测试数据集）和临床数据（44 例低级别胶质瘤患者）进行了严格验证。此外，我们引入了用于药代动力学建模的血管输入函数的三次模型，与现有最优方法相比显著降低了拟合误差，同时给出了一种用于确定血管输入区域的实时算法。一项由统计检验支撑的广泛实验研究表明，我们的系统在分割精度和对比浓度拟合方面达到了 SOTA 结果，且使用单块 GPU 处理整项输入 DCE-MRI 研究所需时间不足 3 分钟。
引用
@article{arxiv.1907.08303,
title = {Fully-automated deep learning-powered system for DCE-MRI analysis of brain tumors},
author = {Jakub Nalepa and Pablo Ribalta Lorenzo and Michal Marcinkiewicz and Barbara Bobek-Billewicz and Pawel Wawrzyniak and Maksym Walczak and Michal Kawulok and Wojciech Dudzik and Grzegorz Mrukwa and Pawel Ulrych and Michael P. Hayball},
journal= {arXiv preprint arXiv:1907.08303},
year = {2019}
}
备注
Submitted for publication in Artificial Intelligence in Medicine