基于高分辨率微超声的前列腺癌可信检测

动机：经直肠超声引导活检中前列腺癌的检测具有挑战性。癌症高度异质性的表现、超声伪影的存在以及噪声都导致了这些困难。高频超声成像——微超声——的最新进展极大提升了高分辨率组织成像的能力。我们的目标是研究专门面向微超声引导前列腺癌活检的鲁棒深度学习模型的开发。为使模型被临床采用，一项关键挑战是设计一种能够可信地识别癌症、同时从引入弱标签的活检样本粗略组织病理学测量中学习的方案。方法：我们使用从 194 名接受前列腺活检患者获取的微超声图像数据集。我们使用协同教学范式训练深度模型以处理标签中的噪声，并结合证据深度学习方法进行不确定性估计。我们使用临床相关指标——准确率对置信度——评估模型性能。结果：我们的模型实现了良好校准的预测不确定性估计，曲线下面积为 88$\%$。协同教学与证据深度学习的联合使用比单独使用任一种都显著更好地估计不确定性。我们还提供了与最先进不确定性估计方法的详细比较。