多形性胶质母细胞瘤预后：MRI 缺失模态生成、分割与放射基因组生存预测
图像与视频处理
2021-05-03 v2 计算机视觉与模式识别
摘要
多形性胶质母细胞瘤（GBM）的准确预后在规划相关手术与治疗中起着关键作用。传统的生存预测模型依赖于使用磁共振成像（MRI）的放射组学特征。本文中，我们提出一种放射基因组总体生存（OS）预测方法，将基因表达数据与形状、几何及临床信息等放射组学特征相结合。我们利用 TCGA（癌症基因组图谱）数据集，并在条件生成对抗网络（cGAN）中使用全卷积网络（FCN）合成缺失的 MRI 模态。同时，相同的 FCN 架构能够从可用及合成的 MRI 模态中进行肿瘤分割。所提 FCN 架构包含八度卷积（OctConv）与一种新颖解码器，带有空间与通道压缩激励（skip-scSE）块的跳跃连接。OctConv 可分别处理低频与高频特征，并通过减少通道冗余提升模型效率。Skip-scSE 应用空间与通道激励以突出关键特征，并利用跳跃连接降低深层学习参数的稀疏性。所提方法通过与合成、分割及总体生存（OS）预测中当前最优模型的对比实验进行评估。我们观察到，添加缺失 MRI 模态改善了分割预测，基因标记物的表达水平对 GBM 预后预测贡献度高，且融合的放射基因组特征提升了 OS 估计。
引用
@article{arxiv.2104.01149,
title = {Glioblastoma Multiforme Prognosis: MRI Missing Modality Generation, Segmentation and Radiogenomic Survival Prediction},
author = {Mobarakol Islam and Navodini Wijethilake and Hongliang Ren},
journal= {arXiv preprint arXiv:2104.01149},
year = {2021}
}
备注
Accepted for a journal