Prostate Cancer Malignancy Detection and localization from mpMRI using auto-Deep Learning: One Step Closer to Clinical Utilization

要約

mpMRIによる悪性前立腺癌患者の自動診断は、過去数年間に徹底的に研究されてきました。
モデルの解釈とドメインドリフトは、臨床利用の主な障害となっています。
201人の患者を含むパブリックコホートでカスタマイズされた畳み込みニューラルネットワークをトレーニングし、関心領域の周りのトリミングされた2Dパッチを入力として使用した以前の作業の拡張として、前立腺のトリミングされた2.5Dスライスを次のように使用しました。
入力、および最適なモデルは、autoKerasを使用してモデル空間で検索されました。
異なる点は、周辺ゾーン（PZ）と中央腺（CG）が別々にトレーニングおよびテストされ、PZ検出器とCG検出器が、シーケンスから最も疑わしいスライスを強調表示することで効果的に実証され、医師の作業負荷が大幅に軽減されることを願っています。

要約(オリジナル)

Automatic diagnosis of malignant prostate cancer patients from mpMRI has been studied heavily in the past years. Model interpretation and domain drift have been the main road blocks for clinical utilization. As an extension from our previous work where we trained a customized convolutional neural network on a public cohort with 201 patients and the cropped 2D patches around the region of interest were used as the input, the cropped 2.5D slices of the prostate glands were used as the input, and the optimal model were searched in the model space using autoKeras. Something different was peripheral zone (PZ) and central gland (CG) were trained and tested separately, the PZ detector and CG detector were demonstrated effectively in highlighting the most suspicious slices out of a sequence, hopefully to greatly ease the workload for the physicians.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google