基于时间序列多相对比增强 CT 扫描的结直肠肝转移预测模型 MPBD-LSTM
图像与视频处理
2024-12-04 v1 计算机视觉与模式识别
摘要
结直肠癌是一种常见的癌症类型，许多患者会发展为结直肠癌肝转移（CRLM）。及早检测 CRLM 对提高生存率至关重要。放射科医生通常依赖在随访期间进行的一系列多相对比增强计算机断层成像（CECT）扫描，以进行 CRLM 的早期检测。这些扫描形成独特的五维数据（时间、相位以及 3D CT 中的轴向、侧位和冠状平面）。大多数现有深度学习模型可以轻松处理四维数据（例如，时间序列 3D CT 图像），而如何扩展以处理额外的相位维度尚不明了。本文构建了一个时间序列 CECT 扫描数据集，以辅助 CRLM 的早期诊断，并基于最先进的深度学习技术开发 MPBD-LSTM 模型来评估如何最佳预测 CRLM。我们的实验结果表明，基于 3D 双向 LSTM 的多平面架构（我们称为 MPBD-LSTM）效果最佳，实现了曲线下面积（AUC）为 0.79。另一方面，结果分析显示，仍有很大的改进空间。
引用
@article{arxiv.2412.01973,
title = {MPBD-LSTM: A Predictive Model for Colorectal Liver Metastases Using Time Series Multi-phase Contrast-Enhanced CT Scans},
author = {Xueyang Li and Han Xiao and Weixiang Weng and Xiaowei Xu and Yiyu Shi},
journal= {arXiv preprint arXiv:2412.01973},
year = {2024}
}