基于深度学习与随机采样的增强 CT 扫描相位识别
图像与视频处理
2022-10-12 v1 计算机视觉与模式识别
摘要
一个用于解读具有多期对比增强的腹部计算机断层扫描（CT）的完全自动化系统需要对各期相进行准确分类。本研究旨在开发和验证一种精确、快速的多期相分类器，以识别腹部 CT 扫描中三种主要类型的对比期相。我们在此提出一种新方法，其在深度 CNN 之上使用随机采样机制，用于识别腹部 CT 扫描的四个不同期相：平扫、动脉期、静脉期及其他。CNN 作为切片级期相预测工作，而随机采样为 CNN 模型选择输入切片。随后，多数投票综合 CNN 的切片级结果，以提供扫描级的最终预测。我们的分类器在来自 830 例带期相标注 CT 扫描的 271,426 张切片上训练，当结合从每例扫描随机选取 30% 切片上的多数投票时，在 358 例扫描的内部测试集上取得了 92.09% 的平均 F1 分数。所提方法还在 2 个外部测试集上进行了评估：CTPAC-CCRCC（N = 242）和 LiTS（N = 131），它们由我们的专家标注。尽管观察到性能下降，模型仍保持高准确度水平，在 CTPAC-CCRCC 和 LiTS 数据集上的平均 F1 分数分别为 76.79% 和 86.94%。我们的实验结果还表明，所提方法显著优于 SOTA 的 3D 方法，同时需要更少的推理计算时间。
引用
@article{arxiv.2203.11206,
title = {Phase Recognition in Contrast-Enhanced CT Scans based on Deep Learning and Random Sampling},
author = {Binh T. Dao and Thang V. Nguyen and Hieu H. Pham and Ha Q. Nguyen},
journal= {arXiv preprint arXiv:2203.11206},
year = {2022}
}
备注
Accepted for publication by Medical Physics