基于单射多示例池化的转移癌预后预测
图像与视频处理
2022-03-11 v1 计算机视觉与模式识别
摘要
在许多癌症类型中，癌症分期是决定患者预后和管理的重要因素，通常使用CT和MRI等医学成像模态进行评估。这些医学图像包含丰富信息，可加以探索以在每个分期组内对患者进行分层，从而进一步改进预后算法。尽管大多数癌症死亡源于转移性和多灶性疾病，但由于缺乏标注数据集和标准研究框架，为具有多个肿瘤的患者构建影像生物标志物一直是一项具有挑战性的任务。在本文中，我们处理了两个公开数据集，建立了一个共341名患者的基准队列，用于研究多灶性转移癌的预后预测。我们发现常见的多示例分类网络缺乏表达能力，并提出了两种更适合预后预测的单射多示例池化函数。我们的结果表明，采用单射池化函数的多示例学习在非小细胞肺癌CT以及头颈部CT预后预测基准任务中能够取得SOTA性能。我们将发布处理后的多灶性数据集、我们的代码以及中间文件（即提取的影像组学特征），以支持进一步透明且可复现的研究。
引用
@article{arxiv.2203.04964,
title = {Metastatic Cancer Outcome Prediction with Injective Multiple Instance Pooling},
author = {Jianan Chen and Anne L. Martel},
journal= {arXiv preprint arXiv:2203.04964},
year = {2022}
}