利用深层和手工放射学特征指导3D CT扫描的肝细胞癌分类
计算机视觉与模式识别
2025-01-15 v1 人工智能
摘要
肝细胞癌（HCC）是全球范围内最常见的原发肝癌（约占肝肿瘤的80%）。HCC诊断的金标准是肝活检。然而，在临床常规操作中，专职放射科医生通过解读肝脏CT扫描并根据LI-RADS标准化协议进行诊断，该协议使用五种放射学标准及其关联决策树。本文提出一种自动方法，从CT图像预测经组织学证实的HCC，以减少放射科医生之间的变异性。我们首先表明，标准深度学习方法在具有挑战性的数据库上无法准确预测HCC，我们提出一种受LI-RADS系统启发的两步方法以提高性能。我们相对于不同体系结构训练的深度学习基线实现了6至18分的AUC提升。我们还提供了该方法的临床验证，结果表明该方法优于非专职放射科医生，与专职放射科医生相当。
引用
@article{arxiv.2501.08097,
title = {Guiding the classification of hepatocellular carcinoma on 3D CT-scans using deep and handcrafted radiological features},
author = {E. Sarfati and A. Bône and M-M. Rohé and C. Aubé and M. Ronot and P. Gori and I. Bloch},
journal= {arXiv preprint arXiv:2501.08097},
year = {2025}
}
备注
IEEE ISBI 2025