用于多期相CT中多类型胰腺病变鉴别诊断的元信息感知双路径Transformer
图像与视频处理
2023-03-03 v1 计算机视觉与模式识别
机器学习
摘要
胰腺癌是癌症相关死亡的主要原因之一。对完整分类体系下的胰腺病变（即正常、七种主要类型病变及其他病变）进行准确检测、分割与鉴别诊断，对于辅助患者管理与治疗的临床决策至关重要。然而，现有工作集中于非常特定病变类型（PDAC）或分组的分割与分类。此外，以往工作均未考虑利用与病变患病率相关的非影像患者信息来辅助鉴别诊断。为此，我们开发了元信息感知双路径 Transformer，并探索了完整分类体系胰腺病变分类与分割的可行性。具体而言，所提方法由基于 CNN 的分割路径（S-path）和基于 Transformer 的分类路径（C-path）组成。S-path 通过基于 UNet 的网络进行语义分割以聚焦初始特征提取。C-path 利用提取的特征与元信息，基于堆叠的双路径 Transformer 模块进行患者级分类，从而增强全局上下文信息建模。我们收集了一个大规模多期相 CT 数据集，包含 3,096 名经病理确认的胰腺病变类别标签患者、放射科医生对病变的体素级手动标注以及患者元信息，用于训练与评估。结果表明，我们的方法能够实现完整分类体系胰腺病变的准确分类与分割，接近放射科医生报告的准确度，并显著优于以往基线。结果还显示，加入常见元信息（即性别与年龄）可提升模型性能，从而证明了元信息对辅助胰腺疾病诊断的重要性。
引用
@article{arxiv.2303.00942,
title = {Meta-information-aware Dual-path Transformer for Differential Diagnosis of Multi-type Pancreatic Lesions in Multi-phase CT},
author = {Bo Zhou and Yingda Xia and Jiawen Yao and Le Lu and Jingren Zhou and Chi Liu and James S. Duncan and Ling Zhang},
journal= {arXiv preprint arXiv:2303.00942},
year = {2023}
}
备注
Accepted at Information Processing in Medical Imaging (IPMI 2023)