Neural Transformers for Intraductal Papillary Mucosal Neoplasms (IPMN) Classification in MRI images

要約

膵臓における前癌性嚢胞または新生物、すなわち膵管内乳頭粘膜新生物（IPMN）の早期発見は、困難で複雑な作業であり、より好ましい結果につながる可能性があります。
低リスクのIPMNは監視プログラムの対象となる可能性があり、高リスクのIPMNは癌になる前に外科的に切除する必要があるため、検出されたら、IPMNを正確に分類することも必要です。
IPMN分類の現在の基準（福岡など）は、エラーが発生しやすいことに加えて、オペレーター内およびオペレーター間の大きな変動を示しており、適切な診断の信頼性が低くなっています。
ディープラーニングパラダイムによる人工知能の確立された進歩は、膵臓がんの医学的決定を効果的にサポートするための重要なツールを提供する可能性があります。
この作業では、ビジョンタスクを含むさまざまなタスクにわたって一般化する際にトランスフォーマーネットワークの最近の成功を活用する新しいAIベースのIPMN分類器を提案することにより、この傾向に従います。
具体的には、トランスフォーマーベースのモデルが標準の畳み込みニューラルネットワークよりも事前トレーニングを活用し、医用画像ドメインを含む、視覚におけるトランスフォーマーの求められているアーキテクチャの普遍性をサポートし、得られた結果のより良い解釈を可能にすることを示します。

要約(オリジナル)

Early detection of precancerous cysts or neoplasms, i.e., Intraductal Papillary Mucosal Neoplasms (IPMN), in pancreas is a challenging and complex task, and it may lead to a more favourable outcome. Once detected, grading IPMNs accurately is also necessary, since low-risk IPMNs can be under surveillance program, while high-risk IPMNs have to be surgically resected before they turn into cancer. Current standards (Fukuoka and others) for IPMN classification show significant intra- and inter-operator variability, beside being error-prone, making a proper diagnosis unreliable. The established progress in artificial intelligence, through the deep learning paradigm, may provide a key tool for an effective support to medical decision for pancreatic cancer. In this work, we follow this trend, by proposing a novel AI-based IPMN classifier that leverages the recent success of transformer networks in generalizing across a wide variety of tasks, including vision ones. We specifically show that our transformer-based model exploits pre-training better than standard convolutional neural networks, thus supporting the sought architectural universalism of transformers in vision, including the medical image domain and it allows for a better interpretation of the obtained results.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google