基于乳腺DCE-MRI的恶性病变事前与事后诊断及解释
计算机视觉与模式识别
2019-02-05 v2
摘要
我们提出一种基于DCE-MRI的乳腺癌筛查新方法，该方法采用事后（post-hoc）策略，并使用弱标注数据训练（即仅图像级标签，无任何病灶勾画）。我们所提的事后方法自动诊断整个体数据，并对阳性病例定位导致该诊断的恶性病灶。相反，传统方法遵循事前（pre-hoc）策略，先定位可疑区域再分类以确定乳腺恶性程度——该方法使用强标注数据训练（即需要图像中所有病灶的勾画与分类）。本文另一目标是明确两种方法应用于DCE-MRI乳腺筛查时的优劣。基于包含117例患者扫描的乳腺DCE-MRI数据集实验，我们的结果表明，事后方法在按患者诊断整体体数据上更准确，AUC达0.91，而事前方法AUC为0.81。然而，由于训练所用为弱标注数据集，事后方法在恶性病灶定位上的表现仍具挑战性。
引用
@article{arxiv.1809.09404,
title = {Pre and Post-hoc Diagnosis and Interpretation of Malignancy from Breast DCE-MRI},
author = {Gabriel Maicas and Andrew P. Bradley and Jacinto C. Nascimento and Ian Reid and Gustavo Carneiro},
journal= {arXiv preprint arXiv:1809.09404},
year = {2019}
}
备注
Submitted to Medical Image Analysis