Non-Redundant Combination of Hand-Crafted and Deep Learning Radiomics: Application to the Early Detection of Pancreatic Cancer

要約

私たちは、Hand-Crafted Radiomics (HCR) と重複しない Deep Learning Radiomics (DLR) の学習の問題に対処します。
これを行うために、VAE を使用して DLR 特徴を抽出すると同時に、相互情報を最小限に抑えることで HCR 特徴との独立性を強化します。
結果として得られる DLR 特徴を手作りの特徴と組み合わせて、分類器で活用してがんの早期マーカーを予測することができます。
膵臓がんの 4 つの早期マーカーに関する方法を説明し、大規模な独立したテスト セットでそれを検証します。
私たちの結果は、冗長性に対処しない、または HCR 機能のみに依存するベースライン手法と比較して、曲線下面積の改善によって証明されるように、非冗長 DLR 機能と HCR 機能を組み合わせる価値を強調しています。

要約(オリジナル)

We address the problem of learning Deep Learning Radiomics (DLR) that are not redundant with Hand-Crafted Radiomics (HCR). To do so, we extract DLR features using a VAE while enforcing their independence with HCR features by minimizing their mutual information. The resulting DLR features can be combined with hand-crafted ones and leveraged by a classifier to predict early markers of cancer. We illustrate our method on four early markers of pancreatic cancer and validate it on a large independent test set. Our results highlight the value of combining non-redundant DLR and HCR features, as evidenced by an improvement in the Area Under the Curve compared to baseline methods that do not address redundancy or solely rely on HCR features.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google