基于模板引导的MR靶向前列腺穿刺针放置策略强化学习
机器学习
2022-07-25 v1 计算机视觉与模式识别
图像与视频处理
摘要
若在超声引导活检过程中以术前磁共振(MR)图像中发现的疑似病变为靶标，临床显著性前列腺癌有更高概率被采样。然而，活检程序的诊断准确性受限于操作者依赖的采样靶标技能与经验，这是一个涉及导航超声探头并为潜在多个靶标放置一系列采样针的序贯决策过程。本工作旨在学习一种强化学习(RL)策略，优化相对于引导模板的二维超声视图与活检针连续定位动作，从而高效且充分地采样MR靶标。我们首先将该任务建模为马尔可夫决策过程(MDP)，并构建一个环境，使得可基于个体患者源于MR图像的解剖结构与病灶虚拟执行靶向动作。由此，可在每次活检前通过MDP环境中对阳性采样给予奖励来优化患者特异性策略。来自54名前列腺癌患者的实验结果显示，所提出的RL学习策略获得了93%的平均命中率与11 mm的平均癌核长度，优于人类设计的两种替代基线策略，且无需直接最大化这些临床相关指标的手动设计奖励。或许更有趣的是，发现RL智能体学到了适应病灶大小的策略，即对较小病灶优先展开针的散布。该策略此前未在临床实践中报道或普遍采用，但相比直观设计的策略带来了更优的整体靶向性能。
引用
@article{arxiv.2207.10784,
title = {Strategising template-guided needle placement for MR-targeted prostate biopsy},
author = {Iani JMB Gayo and Shaheer U. Saeed and Dean C. Barratt and Matthew J. Clarkson and Yipeng Hu},
journal= {arXiv preprint arXiv:2207.10784},
year = {2022}
}
备注
Paper submitted and accepted to CaPTion (Cancer Prevention through early detecTion) @ MICCAI 2022 Workshop