INN：用于 IPMN 诊断的膨胀神经网络
摘要
导管内乳头状黏液性肿瘤（Intraductal papillary mucinous neoplasm, IPMN）是胰腺导管腺癌的癌前病变。尽管超过半数的患者在远处转移期才被诊断出胰腺癌，但在早期被诊断的患者享有高得多的 5 年生存率（），而前者仅为 ；因此，早期诊断是关键。医学影像领域特有的挑战，如极度有限的标注数据集以及典型的大体量 3D 体数据，使得深度学习难以稳固立足。在本工作中，我们构建了两种新颖的“膨胀”深度网络架构， 与 ，用于从多序列（T1 与 T2）MRI 诊断 IPMN 的任务。这些网络将其 2D 层膨胀为 3D，并从在 ImageNet 上分别训练的对应 2D 网络（Inceptionv3 与 DenseNet121）引导权重至新的 3D 核。我们还通过进一步扩展预训练核以处理任意数量的输入模态与不同的融合策略，延伸了膨胀过程。这是首批在用于 IPMN 诊断的多序列 MRI 上训练端到端深度网络的研究之一，并表明我们提出的新型膨胀网络架构能够处理极度有限的训练数据（139 例 MRI 扫描），同时为 IPMN 诊断提供比当前最优（state-of-the-art, SOTA）绝对提升 的准确率。代码公开于 https://github.com/lalonderodney/INN-Inflated-Neural-Nets。
引用
@article{arxiv.1907.00437,
title = {INN: Inflated Neural Networks for IPMN Diagnosis},
author = {Rodney LaLonde and Irene Tanner and Katerina Nikiforaki and Georgios Z. Papadakis and Pujan Kandel and Candice W. Bolan and Michael B. Wallace and Ulas Bagci},
journal= {arXiv preprint arXiv:1907.00437},
year = {2019}
}
备注
Accepted for publication at MICCAI 2019 (22nd International Conference on Medical Image Computing and Computer Assisted Intervention). Code is publicly available at https://github.com/lalonderodney/INN-Inflated-Neural-Nets