Enhancing Clinical Support for Breast Cancer with Deep Learning Models using Synthetic Correlated Diffusion Imaging

要約

乳がんは、カナダとアメリカでは女性に2番目に多いがんであり、新たに発生する女性のがん症例の25％以上を占めている。そのため、乳がんのスクリーニングと臨床支援の改善に関する膨大な研究と進歩がある。本論文では、合成相関拡散画像（CDI$^s$）と呼ばれる新しく導入された磁気共鳴画像（MRI）モダリティを使用して、深層学習モデルによる乳がんの臨床支援の強化について検討する。より具体的には、治療前コホートから体積的な深い放射線学的特徴を学習し、グレードと治療後の反応予測のために学習した特徴に基づく予測器を構築するために、体積的な畳み込みニューラルネットワークを活用する。臨床判断支援のためのディープラーニングの観点からCDI$^s$中心の放射線学的シーケンスを学習する最初の研究として、我々は、ゴールドスタンダードの画像モダリティを使用して学習したものと比較して、ACRIN-6698研究を使用して提案されたアプローチを評価した。我々は、提案されたアプローチが、悪性度と治療後の反応予測の両方においてより良い性能を達成できることを発見し、従って、患者の治療推奨を改善するために腫瘍医を支援する有用なツールとなる可能性がある。その後、乳がんのための体積深層放射線学的特徴を活用するアプローチは、臨床支援をさらに改善するために、がん領域におけるCDI$^s$の他のアプリケーションにさらに拡張することができる。

要約(オリジナル)

Breast cancer is the second most common type of cancer in women in Canada and the United States, representing over 25\% of all new female cancer cases. As such, there has been immense research and progress on improving screening and clinical support for breast cancer. In this paper, we investigate enhancing clinical support for breast cancer with deep learning models using a newly introduced magnetic resonance imaging (MRI) modality called synthetic correlated diffusion imaging (CDI$^s$). More specifically, we leverage a volumetric convolutional neural network to learn volumetric deep radiomic features from a pre-treatment cohort and construct a predictor based on the learnt features for grade and post-treatment response prediction. As the first study to learn CDI$^s$-centric radiomic sequences within a deep learning perspective for clinical decision support, we evaluated the proposed approach using the ACRIN-6698 study against those learnt using gold-standard imaging modalities. We find that the proposed approach can achieve better performance for both grade and post-treatment response prediction and thus may be a useful tool to aid oncologists in improving recommendation of treatment of patients. Subsequently, the approach to leverage volumetric deep radiomic features for breast cancer can be further extended to other applications of CDI$^s$ in the cancer domain to further improve clinical support.

arxiv情報

提供元, 利用サービス

arxiv.jp, DeepL