用于 CT 图像中突变预测与分类的金字塔聚焦网络
计算机视觉与模式识别
2020-04-14 v2
摘要
预测肿瘤基因的突变状态具有重要临床意义。近期研究表明，某些突变可通过研究计算机断层扫描（CT）数据中肿瘤的影像特征进行无创预测。目前，此类影像特征识别方法主要依赖手动处理单独提取广义影像特征，或机器处理而未考虑肿瘤自身的形态差异，难以取得进一步突破。本文提出一种基于 CT 图像的金字塔聚焦网络（PFNet）用于突变预测与分类。首先，鉴于肿瘤形状与大小各异，我们利用空间金字塔池化从多尺度特征图中收集语义线索。其次，考虑到正确突变检测所需特征在肿瘤边缘截面上常不明显，我们改进损失函数，使网络更多关注这些困难样本。最后，我们设计基于数据增强的训练方案以提升网络泛化能力。在包含 20 个测试体共 63648 张 CT 图的临床胃部 CT 数据集上充分验证，我们的方法在 CT 图像上预测 HER-2 基因突变状态的准确率达 94.90%。
引用
@article{arxiv.2004.03302,
title = {Pyramid Focusing Network for mutation prediction and classification in CT images},
author = {Xukun Zhang and Wenxin Hu and Wen Wu},
journal= {arXiv preprint arXiv:2004.03302},
year = {2020}
}
备注
The carelessness of writing the paper led to the incorrect experimental results shown in the paper.In addition, the experimental design shown in the paper is incomplete, and I need to revise it substantially before submitting it