使用深度卷积神经网络检测前列腺癌
计算机视觉与模式识别
2020-06-11 v1 图像与视频处理
定量方法
摘要
前列腺癌是最常见的癌症之一，也是北美癌症死亡的第三大原因。作为计算机辅助检测（CAD）工具的集成部分，扩散加权磁共振成像（DWI）已被深入研究用于准确检测前列腺癌。随着深度卷积神经网络（CNNs）在目标检测和分割等计算机视觉任务中的显著成功，不同的CNNs架构在医学影像研究界正被越来越多地探索，作为设计更准确癌症检测CAD工具的有前景的解决方案。在这项工作中，我们开发并实现了一种基于CNNs的自动化流程，用于对给定的轴向DWI图像和每位患者检测临床显著性前列腺癌（PCa）。427名患者的DWI图像被用作数据集，其中包含175名PCa患者和252名健康患者。为衡量所提流程的性能，留出108名（共427名）患者作为测试集，未用于训练阶段。所提流程在切片水平和患者水平分别实现了受试者工作特征曲线下面积（AUC）为0.87（95%置信区间（CI）：0.84-0.90）和0.84（95% CI：0.76-0.91）。
引用
@article{arxiv.1905.13145,
title = {Prostate Cancer Detection using Deep Convolutional Neural Networks},
author = {Sunghwan Yoo and Isha Gujrathi and Masoom A. Haider and Farzad Khalvati},
journal= {arXiv preprint arXiv:1905.13145},
year = {2020}
}