用于筛查胰腺神经内分泌肿瘤分类的分割方法
图像与视频处理
2020-04-07 v1 计算机视觉与模式识别
摘要
本工作给出了通过检查腹部 CT 扫描在早期阶段检测胰腺神经内分泌肿瘤（PNETs）的综合结果，PNETs 是一组发生于胰腺的内分泌肿瘤，是第二常见的胰腺癌类型。据我们所知，该任务此前尚未作为计算任务被研究过。为向放射科医生提供肿瘤位置，我们采用分割框架，通过检查是否至少有足够数量的体素被分割为肿瘤来对 CT 体积进行分类。为定量分析方法，我们收集并逐体素标注了一个包含 例病例的新腹部 CT 数据集，每例均有动脉期和静脉期，其中 例诊断为 PNETs，其余 例正常，据我们所知这是目前最大的 PNETs 数据集。为将放射医生的丰富知识纳入框架，我们还标注了扩张的胰管，其被视为胰腺癌高风险标志。定量上，我们的方法优于最先进的分割网络，在特异性 下达到敏感性 ，这表明通过更早的肿瘤检测实现与癌症诊断相关的临床影响是一个潜在方向。
引用
@article{arxiv.2004.02021,
title = {Segmentation for Classification of Screening Pancreatic Neuroendocrine Tumors},
author = {Zhuotun Zhu and Yongyi Lu and Wei Shen and Elliot K. Fishman and Alan L. Yuille},
journal= {arXiv preprint arXiv:2004.02021},
year = {2020}
}