基于神经Transformer的MRI图像导管内乳头状黏液性肿瘤(IPMN)分类
计算机视觉与模式识别
2022-10-03 v1 人工智能
摘要
胰腺内癌前囊肿或肿瘤即导管内乳头状黏液性肿瘤(IPMN)的早期检测是一项具有挑战性且复杂的任务,但其可能带来更有利的预后。一旦检出,准确对IPMN进行分级同样必要,因为低风险IPMN可纳入监测计划,而高风险IPMN必须在癌变前手术切除。当前的IPMN分类标准(Fukuoka等)除易出错外,还表现出显著的算子内与算子间变异性,使得恰当诊断不可靠。通过深度学习范式取得的人工智能既定进展,可为胰腺癌医疗决策的有效支持提供关键工具。本工作中,我们顺应此趋势,提出一种新颖的基于AI的IPMN分类器,其利用了Transformer网络在广泛任务(包括视觉任务)上泛化的近期成功。我们具体表明,我们基于Transformer的模型比标准卷积神经网络更好地利用预训练,从而支持了Transformer在视觉领域(包括医学图像领域)中所寻求的架构通用性,并有助于对所得结果的更好解释。
引用
@article{arxiv.2206.10531,
title = {Neural Transformers for Intraductal Papillary Mucosal Neoplasms (IPMN) Classification in MRI images},
author = {Federica Proietto Salanitri and Giovanni Bellitto and Simone Palazzo and Ismail Irmakci and Michael B. Wallace and Candice W. Bolan and Megan Engels and Sanne Hoogenboom and Marco Aldinucci and Ulas Bagci and Daniela Giordano and Concetto Spampinato},
journal= {arXiv preprint arXiv:2206.10531},
year = {2022}
}