DCE-MRIs乳腺癌计算机辅助诊断中的多任务学习
医学物理
2017-01-17 v1
摘要
从动态对比增强磁共振图像（DCE-MRIs）中提取的手工特征在乳腺病变表征中已显示出强大的预测能力。然而，医学图像数据集之间的异质性阻碍了这些特征的泛化能力。该异质性的一个来源是MR扫描仪磁场强度的变化，这对图像质量有很强的影响，导致提取的图像特征发生变化。因此，统计决策算法需要考虑这种数据异质性。尽管存在变化，我们假设从具有不同磁场强度MR扫描仪获取的数据集中提取的特征之间存在潜在关系。我们将一种在多任务学习（MTL）方法（在分类器训练期间纳入这些关系）与使用包含各种MRI强度图像的合并数据集上运行的支持向量机进行了比较。结果，MTL方法实现了更高的预测能力。
引用
@article{arxiv.1701.03882,
title = {Multi-task Learning in the Computerized Diagnosis of Breast Cancer on DCE-MRIs},
author = {Natalia Antropova and Benjamin Huynh and Maryellen Giger},
journal= {arXiv preprint arXiv:1701.03882},
year = {2017}
}