Enhancing Prostate Cancer Diagnosis with Deep Learning: A Study using mpMRI Segmentation and Classification

要約

前立腺がん（PCa）は、世界中の男性の間で重篤な病気です。
効果的な治療のためには、PCa を早期に特定し、正確な診断を下すことが重要です。
PCa 診断では、マルチパラメトリック磁気共鳴画像法 (mpMRI) が、前立腺とその組織構造の正確な解剖学的ビューを提供する貴重な画像モダリティとして登場しました。
ディープラーニング (DL) モデルは、医師が関心のある領域を特定することで、既存の臨床システムを強化し、患者ケアを向上させることができます。
最近、DL 技術を使用して、さまざまな種類のがんをセグメント化および分類するためのパイプラインが開発されました。
これらの研究は、DL を使用して診断の精度を高め、ばらつきのない客観的な結果を提供できることを示しています。
この研究では、PCa を検出するための mpMRI 画像の分類とセグメンテーションによく知られた DL モデルを使用しています。
私たちの実装には 4 つのパイプラインが含まれます。
ResNet50 を備えたセマンティック DeepSegNet、リカレント ニューラル ネットワーク (RNN) を備えた DeepSegNet、RNN を備えた U-Net、および長期短期記憶 (LSTM) を備えた U-Net。
各セグメンテーション モデルは異なる分類子とペアになっており、異なるメトリックを使用してパフォーマンスを評価します。
実験の結果、U-Net と LSTM モデルを組み合わせたパイプラインは他のすべての組み合わせよりも優れたパフォーマンスを発揮し、セグメンテーション タスクと分類タスクの両方で優れていることがわかりました。

要約(オリジナル)

Prostate cancer (PCa) is a severe disease among men globally. It is important to identify PCa early and make a precise diagnosis for effective treatment. For PCa diagnosis, Multi-parametric magnetic resonance imaging (mpMRI) emerged as an invaluable imaging modality that offers a precise anatomical view of the prostate gland and its tissue structure. Deep learning (DL) models can enhance existing clinical systems and improve patient care by locating regions of interest for physicians. Recently, DL techniques have been employed to develop a pipeline for segmenting and classifying different cancer types. These studies show that DL can be used to increase diagnostic precision and give objective results without variability. This work uses well-known DL models for the classification and segmentation of mpMRI images to detect PCa. Our implementation involves four pipelines; Semantic DeepSegNet with ResNet50, DeepSegNet with recurrent neural network (RNN), U-Net with RNN, and U-Net with a long short-term memory (LSTM). Each segmentation model is paired with a different classifier to evaluate the performance using different metrics. The results of our experiments show that the pipeline that uses the combination of U-Net and the LSTM model outperforms all other combinations, excelling in both segmentation and classification tasks.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google