基于关键切片 ROI 解析从多期相 MR 体数据全自动肝肿瘤定位与表征：一种受医师启发的方法
计算机视觉与模式识别
2021-04-12 v3
摘要
利用放射学扫描识别肝脏肿瘤对患者正确治疗至关重要。这极具挑战性，因为即便使用多期相磁共振（MR）影像，顶尖放射科医生在肝细胞癌（HCC）与其他类型区分上的 F1 分数仅约 80%，且评分者间一致性仅为中等。因此，计算机辅助诊断（CAD）方案需求迫切。一个关键挑战是稳健地解析 3D MR 体数据以定位可诊断的兴趣区域（ROI），尤其针对边缘病例。本文中，我们使用关键切片解析器（KSP）拆解该问题，其通过先识别关键切片再定位对应关键 ROI 来模拟医师工作流。为获得鲁棒性，KSP 还采用曲线解析与检测置信度重加权。我们在迄今最大的多期相 MR 肝脏病灶测试数据集（430 名活检确认患者）上评估了该方法。实验表明，我们的 KSP 可高可靠地定位可诊断 ROI：87% 患者的平均 3D 重叠与金标准之比 >= 40%，而最佳被测检测器仅达 79%。当与分类器结合时，我们取得 HCC 与其他类型区分的 F1 分数 0.801，提供了可与顶尖人类医师比肩的全自动 CAD 性能。
引用
@article{arxiv.2012.06964,
title = {Fully-Automated Liver Tumor Localization and Characterization from Multi-Phase MR Volumes Using Key-Slice ROI Parsing: A Physician-Inspired Approach},
author = {Bolin Lai and Yuhsuan Wu and Xiaoyu Bai and Xiao-Yun Zhou and Peng Wang and Jinzheng Cai and Yuankai Huo and Lingyun Huang and Yong Xia and Jing Xiao and Le Lu and Heping Hu and Adam Harrison},
journal= {arXiv preprint arXiv:2012.06964},
year = {2021}
}
备注
14 pages