基于双参数 MR 成像的元学习实现仅 T2 加权成像的前列腺癌预测

当前基于影像的前列腺癌诊断需要 MR T2 加权 (T2w) 和扩散加权成像 (DWI) 两个序列，额外序列可能进一步提高准确性。然而，DWI 序列中的扩散模式测量耗时、易产生伪影且对成像参数敏感。虽然机器学习 (ML) 模型已展现出从这两个序列检测前列腺癌的放射科医生级准确性，但本研究探讨了仅在推理时使用 T2w 序列作为输入的 ML 方法的潜力。我们首先讨论了这种仅 T2 方法的技术可行性，然后提出了一种新颖的 ML 形式化，其中 DWI 序列（训练时易获取）仅用于训练元学习模型，随后推理时仅使用 T2w 序列。利用来自 3000 多名前列腺癌患者的多数据集，我们报告了所提仅 T2 模型在定位放射科医生识别的前列腺癌方面表现优于或与使用仅 T2 或双序列输入的替代模型相当。文中呈现并讨论了真实患者病例，首次展示了不同输入序列模型独有的真阳性病例。