改进数字乳腺钼靶图像中的病灶体积测量
医学物理
2023-08-29 v1 计算机视觉与模式识别
摘要
病灶体积是乳腺癌预后的一项重要预测指标。我们通过建立一种能够在处理后的乳腺钼靶图像上估计病灶体积的模型，朝着更精准的数字乳腺钼靶病灶体积测量迈进了一步；处理后的钼靶图像是放射科医师在临床实践及乳腺癌筛查中常规使用的图像，且在医疗中心均可获取。处理后的钼靶图像由原始钼靶图像（直接来自扫描仪的 X 射线数据）经特定的厂商专用非线性变换得到。我们体积估计方法的核心是一种基于物理学的原始钼靶图像病灶体积测量算法。随后，我们通过一个深度学习图像到图像翻译模型将该算法扩展至处理后的钼靶图像，该模型在多厂商环境下由处理后的钼靶图像生成合成原始钼靶图像。我们使用包含 1778 张标注了肿块的钼靶图像的数据集评估了方法的可靠性与有效性。首先，我们考察了内外斜位与头尾位视图计算所得病灶体积间的相关性，所得 Pearson 相关系数为 0.93 [95% 置信区间 (CI) 0.92 - 0.93]。其次，我们比较了真实与合成原始数据所得的病灶体积，所得 Pearson 相关系数为 0.998 [95% CI 0.998 - 0.998]。最后，对于其中 100 张含有恶性肿块且同时有 MRI 检查的钼靶图像子集，我们分析了钼靶与 MRI 上病灶体积的一致性，所得一致性组内相关系数为 0.81 [95% CI 0.73 - 0.87]，绝对一致性组内相关系数为 0.78 [95% CI 0.66 - 0.86]。总之，我们开发了一种测量钼靶病灶体积的算法，在以 MRI 为金标准时达到了极佳的可靠性与良好的有效性。
引用
@article{arxiv.2308.14369,
title = {Improving Lesion Volume Measurements on Digital Mammograms},
author = {Nikita Moriakov and Jim Peters and Ritse Mann and Nico Karssemeijer and Jos van Dijck and Mireille Broeders and Jonas Teuwen},
journal= {arXiv preprint arXiv:2308.14369},
year = {2023}
}