基于特征配准与核密度外推的前列腺形态变化预测
图像与视频处理
2021-06-08 v1 计算机视觉与模式识别
摘要
器官形态是前列腺疾病诊断与预后判断的关键指标。例如，在主动监测下前列腺癌患者的纵向研究中，体积、边界平滑度及其变化在时间序列 MR 图像数据上被密切监测。本文描述了一种预测前列腺形态变化的新框架，因为比当前更早检测此类变化的能力可能实现及时治疗或避免不必要的确认性活检。本工作中，首先开发了一种高效的特征基 MR 图像配准方法，将勾画的前列腺包膜对齐，利用推断的稠密位移场（DDFs）量化形态变化。然后我们提出在将来数据可用之前，使用 DDF 表示的当前与未来时间点之间未来形态变化的概率密度的核密度估计（KDE）。该 KDE 采用一种新颖的距离函数，考虑了形态、进展阶段和变化时长，这些被视为此类特定对象预测中的因素。我们在未用于配准网络训练的图像掩膜上验证了所提方法，且未使用任何在未来目标时间点获取的数据。实验结果基于包含 73 名患者 331 张图像的纵向数据集给出，在留出集上真实值与由 KDE 预测的 DDF 变形的图像掩膜之间平均 Dice 得分为 0.865。
引用
@article{arxiv.2101.06425,
title = {Morphological Change Forecasting for Prostate Glands using Feature-based Registration and Kernel Density Extrapolation},
author = {Qianye Yang and Tom Vercauteren and Yunguan Fu and Francesco Giganti and Nooshin Ghavami and Vasilis Stavrinides and Caroline Moore and Matt Clarkson and Dean Barratt and Yipeng Hu},
journal= {arXiv preprint arXiv:2101.06425},
year = {2021}
}
备注
Accepted by ISBI 2021