基于群体学习的个性化胰腺肿瘤生长预测
计算机视觉与模式识别
2017-06-05 v1 机器学习
摘要
肿瘤生长预测是一项极具挑战性的任务，长期以来被视为一个数学建模问题，其中肿瘤生长模式基于目标患者的影像和临床数据进行个性化建模。尽管数学模型取得了有希望的结果，但其预测准确性可能因缺乏群体趋势数据和个性化临床特征而受限。本文提出一种统计群体学习方法，结合群体趋势与个性化数据来预测肿瘤生长模式，旨在从多模态影像数据中发现高层次特征。我们开发了一种深度卷积神经网络方法，用于建模体素级的时空肿瘤进展。深度特征与时间间隔及临床因素相结合，输入一个特征选择过程。我们的预测模型在群体数据集上进行预训练，并在目标患者数据上进行个性化，以估计患者肿瘤未来的时空进展。多时间点的多模态影像数据被用于学习、个性化和推断阶段。我们的方法在胰腺肿瘤数据集上实现了 86.8% ± 3.6% 的 Dice 系数和 7.9% ± 5.4% 的相对体积差异（RVD），优于先前最先进的基于模型的方法所获得的 84.4% ± 4.0% 的 DSC 和 13.9% ± 9.8% 的 RVD。
引用
@article{arxiv.1706.00493,
title = {Personalized Pancreatic Tumor Growth Prediction via Group Learning},
author = {Ling Zhang and Le Lu and Ronald M. Summers and Electron Kebebew and Jianhua Yao},
journal= {arXiv preprint arXiv:1706.00493},
year = {2017}
}