Personalized Diagnostic Tool for Thyroid Cancer Classification using Multi-view Ultrasound

要約

過去数十年にわたり、甲状腺がんの発生率は世界的に増加しています。正確な早期診断により、タイムリーな治療が可能になり、過剰診断の防止にもつながります。臨床的には、甲状腺超音波検査を用いて結節を横断面および縦断面の両方から評価するのが一般的です。しかし、甲状腺や病変の外観は個人によって大きく異なることがあります。両ビューから重要な診断情報を特定するためには、専門的な知識が必要です。さらに、多視点情報を統合する最適な方法を見つけることも、臨床医の経験に依存し、正確な診断にさらなる困難が伴います。そこで我々は、患者ごとに意思決定プロセスをカスタマイズできるパーソナライズド診断ツールを提案する。これは、特徴抽出のためのマルチビュー分類モジュールと、異なるビューに対する最適な重み付けを生成するパーソナライズド重み付け配分ネットワークで構成される。また、異なる患者グループに対するモデルの頑健性をさらに向上させるために、自己教師付きビュー認識コントラストロスを備えている。実験の結果、提案するフレームワークは多視点情報をより有効に活用でき、競合する手法を凌駕することが示された。

要約(オリジナル)

Over the past decades, the incidence of thyroid cancer has been increasing globally. Accurate and early diagnosis allows timely treatment and helps to avoid over-diagnosis. Clinically, a nodule is commonly evaluated from both transverse and longitudinal views using thyroid ultrasound. However, the appearance of the thyroid gland and lesions can vary dramatically across individuals. Identifying key diagnostic information from both views requires specialized expertise. Furthermore, finding an optimal way to integrate multi-view information also relies on the experience of clinicians and adds further difficulty to accurate diagnosis. To address these, we propose a personalized diagnostic tool that can customize its decision-making process for different patients. It consists of a multi-view classification module for feature extraction and a personalized weighting allocation network that generates optimal weighting for different views. It is also equipped with a self-supervised view-aware contrastive loss to further improve the model robustness towards different patient groups. Experimental results show that the proposed framework can better utilize multi-view information and outperform the competing methods.

arxiv情報

提供元, 利用サービス

arxiv.jp, DeepL