面向早期前列腺癌 mpMRI 的纹理特征分析
图像与视频处理
2024-06-25 v1 计算机视觉与模式识别
医学物理
摘要
磁共振成像 (MRI) 因其优异的组织对比度而成为前列腺癌 (PCa) 诊断和分期的关键工具。然而，它也产生大量数据，需由训练有素的专家评估，这既耗时又费力。为此，促使开发基于多个 MRI 调制手段 (T2W、ADC 和高 b 值 DWI) 的机器学习工具，用于自动化前列腺癌风险分类。理解和解释模型的预测结果仍然是一个挑战。我们分析了随机森林 (RF) 和支持向量机 (SVM)，针对两个互补数据集（公共 Prostate-X 数据集和主要为早期前列腺癌的内部数据集）来阐明一阶统计特征、Haralick 纹理特征和局部二值图对分类贡献。通过关联分析和 Shapley 影响得分，我们发现许多通常使用的特征存在强相关性，且大多数特征对分类影响微乎其微。我们识别出一小组决定分类结果的特征，这可能有助于开发可解释的人工智能方法。
引用
@article{arxiv.2406.15571,
title = {Texture Feature Analysis for Classification of Early-Stage Prostate Cancer in mpMRI},
author = {Asmail Muftah and S M Schirmer and Frank C Langbein},
journal= {arXiv preprint arXiv:2406.15571},
year = {2024}
}