基于多分辨率超级学习器的多参数 MRI 前列腺癌症体素级分类

尽管当前研究已表明多参数 MRI（mpMRI）在诊断前列腺癌（PCa）中的重要性，但对于如何纳入 mpMRI 数据的特定结构（如区域异质性和受试者内体素间相关性）仍需进一步研究。本文提出一种基于机器学习的方法，通过考虑数据的独特结构来改进体素级 PCa 分类。我们提出一种多分辨率建模方法来处理区域异质性，其中在多个分辨率下局部训练的基学习器使用超级学习器进行组合，并通过高效的空间高斯核平滑来处理体素间相关性。该方法具有灵活性，超级学习器框架允许实现任何分类器作为基学习器，并且可轻易扩展至将癌症分类为更多子类别。我们描述了针对二值 PCa 状态的详细分类算法，以及针对 PCa 序数临床显著性的算法，后者采用加权似然方法来增强对较少见癌症类别的检测。我们通过模拟和体内数据应用说明了所提方法相对于常规建模和机器学习方法的优势。