基于多模态经腹导视超声视频的临床显著性前列腺癌分类
图像与视频处理
2024-02-20 v2 计算机视觉与模式识别
摘要
前列腺癌是全球最常见的非黏膜癌症。最近，多模态经腹导视超声（TRUS）日益成为前列腺活检指导的有效工具。旨在有效识别前列腺癌，我们提出了一个用于识别临床显著性前列腺癌（csPCa）的框架，该框架基于多模态 TRUS 视频进行分类。该框架利用两个 3D ResNet-50 模型分别提取 B 模式图像和剪切波纹弹性成像图像的特征。引入自适应空间融合模块来聚合两种模态的特征。进一步使用正交正则化损失来缓解特征冗余。对该框架进行评估使用包含 512 个 TRUS 视频的数据集，能够在识别 csPCa 时实现良好的性能，Area Under Curve（AUC）为 0.84。此外，由本框架生成的可视化类激活图（CAM）图像可能为前列腺癌定位提供有价值的指导，从而促进 TRUS 指导下的靶向活检。我们的代码已公开于 https://github.com/2313595986/ProstateTRUS。
关键词
引用
@article{arxiv.2402.08987,
title = {Multi-modality transrectal ultrasound video classification for identification of clinically significant prostate cancer},
author = {Hong Wu and Juan Fu and Hongsheng Ye and Yuming Zhong and Xuebin Zhou and Jianhua Zhou and Yi Wang},
journal= {arXiv preprint arXiv:2402.08987},
year = {2024}
}