优化合成相关扩散成像用于乳腺癌肿瘤勾画
图像与视频处理
2024-05-15 v1 计算机视觉与模式识别
摘要
乳腺癌是全球女性因癌症死亡的重要原因，凸显了改进诊断成像以提升患者预后的必要性。准确的肿瘤识别对于诊断、治疗和监测至关重要，这强调了能够提供肿瘤特征和疾病详细视图的先进成像技术的重要性。合成相关扩散成像（CDI）是一种近期的方法，与当前的MRI图像相比，在前列腺癌勾画中显示出潜力。在本文中，我们探索通过使用Nelder-Mead单纯形优化策略最大化受试者工作特征曲线下面积（AUC），来调整乳腺癌肿瘤勾画中CDI计算的系数。我们表明，最佳AUC由CDI-优化模态实现，比最佳金标准模态高出0.0044。值得注意的是，优化后的CDI模态的AUC值也比未优化的CDI值高出0.02以上，这证明了针对特定癌症应用优化CDI指数的重要性。
引用
@article{arxiv.2405.08049,
title = {Optimizing Synthetic Correlated Diffusion Imaging for Breast Cancer Tumour Delineation},
author = {Chi-en Amy Tai and Alexander Wong},
journal= {arXiv preprint arXiv:2405.08049},
year = {2024}
}