基于内窥镜视频的灌注量化：学习解读肿瘤特征
图像与视频处理
2020-06-26 v1 计算机视觉与模式识别
机器学习
定量方法
摘要
在荧光引导癌症手术中，术中区分恶性组织与良性或健康组织是一项重大挑战。我们提出一种灌注量化方法，用于计算机辅助解读动态灌注模式的细微差异，该方法可利用多光谱内窥镜视频在术中实时区分正常组织与良性或恶性肿瘤。该方法利用癌症血管生成产生的脉管系统使肿瘤具有不同于周围组织的灌注模式这一事实，并定义了肿瘤的特征签名，可用于区分肿瘤与正常组织。我们在结直肠癌症手术内窥镜视频队列上对所提方法进行的实验评估表明，所提出的肿瘤特征签名能够以95%的准确率成功区分健康、癌变和良性组织。
引用
@article{arxiv.2006.14321,
title = {Perfusion Quantification from Endoscopic Videos: Learning to Read Tumor Signatures},
author = {Sergiy Zhuk and Jonathan P. Epperlein and Rahul Nair and Seshu Thirupati and Pol Mac Aonghusa and Ronan Cahill and Donal O'Shea},
journal= {arXiv preprint arXiv:2006.14321},
year = {2020}
}
备注
To be published in 23rd International Conference on Medical Image Computing & Computer Assisted Intervention (MICCAI 2020)