肺部病变的层次分类：一项大规模影像-病理组学研究
图像与视频处理
2020-10-09 v1 计算机视觉与模式识别
机器学习
摘要
基于计算机断层扫描（CT）的肺部病变诊断对于肺癌相关疾病的临床决策非常重要，但也充满挑战。深度学习在肺癌的计算机辅助诊断领域取得了巨大成功，但由于放射学诊断的困难，其受到标签模糊性的困扰。考虑到侵入性病理分析作为肺癌诊断的临床金标准，在本研究中，我们通过一个包含 5,134 张具有病理确认标签的放射学 CT 图像的大规模影像-病理组学数据集来解决标签模糊性问题，这些标签包括癌症（例如，侵入性/非侵入性腺癌、鳞状细胞癌）和非癌性疾病（例如，结核病、错构瘤）。这个名为 Pulmonary-RadPath 的回顾性数据集，使得开发和验证准确的深度学习系统成为可能，该系统可通过非侵入性程序（即放射学 CT 扫描）预测侵入性病理标签。我们开发了一个涵盖癌症相关诊断中大多数疾病的三级肺部病变层次分类系统。我们在此数据集上探索了几种层次分类技术，并提出了一种在实验中被证明有效的 Leaky Dense Hierarchy 方法。我们的研究在数据规模（大 6 倍）、疾病全面性和层次结构方面显著优于现有工作。充满希望的结果表明了其促进精准医疗的潜力。
引用
@article{arxiv.2010.04049,
title = {Hierarchical Classification of Pulmonary Lesions: A Large-Scale Radio-Pathomics Study},
author = {Jiancheng Yang and Mingze Gao and Kaiming Kuang and Bingbing Ni and Yunlang She and Dong Xie and Chang Chen},
journal= {arXiv preprint arXiv:2010.04049},
year = {2020}
}
备注
MICCAI 2020 (Early Accepted)