从二维到三维：用于直肠癌分期的体积医学图像分类
图像与视频处理
2022-09-14 v1 计算机视觉与模式识别
摘要
来自磁共振成像（MRI）的体积图像为直肠癌术前分期提供了宝贵信息。其中，T2 与 T3 分期的准确术前判别可以说是直肠癌治疗中最具挑战性且最具临床意义的任务，因为 T3（或更高）期癌症患者通常建议接受放化疗。在本研究中，我们提出一种体积卷积神经网络，利用直肠 MR 体积准确判别 T2 与 T3 期直肠癌。具体而言，我们提出：1）一个基于自定义 ResNet 的体积编码器，通过后期融合（即最后一层进行 3D 卷积）建模切片间关系；2）一种双线性计算，聚合编码器所得特征以创建体积级特征；3）三元组损失与 focal loss 的联合最小化。利用经病理确认的 T2/T3 直肠癌 MR 体积，我们开展了大量实验，在残差学习框架内比较多种设计。结果表明，我们的网络达到了 0.831 的 AUC，高于专业放射科医生组的报道准确率。我们相信该方法可推广至其他体积分析任务。
引用
@article{arxiv.2209.05771,
title = {Moving from 2D to 3D: volumetric medical image classification for rectal cancer staging},
author = {Joohyung Lee and Jieun Oh and Inkyu Shin and You-sung Kim and Dae Kyung Sohn and Tae-sung Kim and In So Kweon},
journal= {arXiv preprint arXiv:2209.05771},
year = {2022}
}
备注
11 pages, 2 figures, accepted to MICCAI 2022