用于随访病灶定量的 CNN 患者特异性微调
图像与视频处理
2019-10-29 v1 定量方法
摘要
卷积神经网络（CNN）方法已被提出用于医学成像中的病灶定量。通常，一位患者有多次影像检查可用，但这些图像中的序列信息往往未被利用。基于 CNN 的方法有潜力从先前获取的影像中提取有价值的信息，以更好地定量同一患者的当前影像。预训练的 CNN 可以利用患者先前获取的影像进行更新：即患者特异性微调。在本工作中，我们研究了与基础 CNN 相比，微调后 MR 图像上病灶定量方法性能的提升。我们将该方法应用于两种不同的方法：肝转移灶检测和脑白质高信号（WMH）分割。患者特异性微调的 CNN 表现优于基础 CNN。对于肝转移灶，中位真阳性率从 0.67 提高到 0.85。对于 WMH 分割，平均 Dice 相似系数从 0.82 提高到 0.87。本研究表明，通过利用患者先前获取的影像，患者特异性微调有潜力提高通用 CNN 的病灶定量性能。
引用
@article{arxiv.1910.12753,
title = {Patient-specific fine-tuning of CNNs for follow-up lesion quantification},
author = {Mariëlle J. A. Jansen and Hugo J. Kuijf and Ashis K. Dhara and Nick A. Weaver and Geert Jan Biessels and Robin Strand and Josien P. W. Pluim},
journal= {arXiv preprint arXiv:1910.12753},
year = {2019}
}