基于图像合成的晚期癌症增强与半监督分割用于 MRI 直肠癌分期
图像与视频处理
2023-12-11 v1 计算机视觉与模式识别
机器学习
摘要
直肠癌是最常见的疾病之一，也是主要的死亡原因。对于制定直肠癌治疗方案，T 分期至关重要。然而，从术前 MRI 图像评估该指标需要放射科医生具备高超的技能和经验。因此，本研究旨在分割直肠系膜、直肠和直肠癌区域，以便系统能够根据分割结果预测 T 分期。通常，大型多样化数据集的短缺和高质量标注被认为是计算机辅助诊断发展的瓶颈。就直肠癌而言，晚期癌症图像非常罕见，且逐像素标注需要放射科医生高超的技能和大量时间。因此，在训练数据集中收集全面的疾病模式是不可行的。为解决这一问题，我们提出了两种方法：基于图像合成的晚期癌症增强和专为 T 分期预测设计的半监督学习。在图像合成数据增强方法中，我们从标签生成晚期癌症图像。通过人工癌症进展模拟，将真实的癌症标签变形以类似于晚期癌症标签。接着，我们引入了一种 T 分期损失，使我们能够利用每幅图像的 T 分期标签来训练分割模型。该损失的作用是保持直肠与癌症区域之间的包含/浸润关系与真实 T 分期一致。验证测试表明，所提出的方法在区分 T3 期以上与 T2 期以下时获得了最佳的灵敏度（0.76）和特异度（0.80）。在消融研究中，我们带有 T 分期损失的半监督学习方法将特异度提高了 0.13。添加基于图像合成的数据增强将浸润癌区域的 DICE 评分较基线提高了 0.08。
引用
@article{arxiv.2312.04779,
title = {Image Synthesis-based Late Stage Cancer Augmentation and Semi-Supervised Segmentation for MRI Rectal Cancer Staging},
author = {Saeko Sasuga and Akira Kudo and Yoshiro Kitamura and Satoshi Iizuka and Edgar Simo-Serra and Atsushi Hamabe and Masayuki Ishii and Ichiro Takemasa},
journal= {arXiv preprint arXiv:2312.04779},
year = {2023}
}
备注
10 pages, 7 figures, Accepted to Data Augmentation, Labeling, and Imperfections (DALI) at MICCAI 2022