Universal Lymph Node Detection in Multiparametric MRI with Selective Augmentation

要約

マルチパラメトリックMRI（MPMRI）におけるリンパ節（LNS）の堅牢な局在化は、リンパ節腫脹の評価に重要です。
放射線科医は、LNのサイズを日常的に測定して、良性を悪性ノードと区別します。これには、その後の癌の病期分類が必要になります。
サイジングは、MPMRIでのLNSの多様な外観によって悪化した面倒な作業であり、測定を困難にします。
さらに、忙しい臨床日には、より小さく、潜在的に転移性LNSが見逃される可能性があります。
これらのイメージングとワークフローの問題を軽減するために、その後の測定のために体内の良性ノードと転移性ノードの両方を普遍的に検出するためのパイプラインを提案します。
最近提案されたVFNETニューラルネットワークは、さまざまな試験プロトコルを備えたさまざまなスキャナーによって獲得されたT2脂肪抑制および拡散加重イメージング（DWI）シーケンスでLNを特定するために採用されました。
また、ラベル内LISA（ILL）として知られる選択的増強技術を使用して、トレーニング中にモデルが見ている入力データのサンプルを多様化し、評価段階で堅牢性を向上させます。
4 fp/vol。
MPMRIで評価された現在のLN検出アプローチと比較して、4 FP/Volで$ \ SIM $ 9 \％の感度改善を示します。

要約(オリジナル)

Robust localization of lymph nodes (LNs) in multiparametric MRI (mpMRI) is critical for the assessment of lymphadenopathy. Radiologists routinely measure the size of LN to distinguish benign from malignant nodes, which would require subsequent cancer staging. Sizing is a cumbersome task compounded by the diverse appearances of LNs in mpMRI, which renders their measurement difficult. Furthermore, smaller and potentially metastatic LNs could be missed during a busy clinical day. To alleviate these imaging and workflow problems, we propose a pipeline to universally detect both benign and metastatic nodes in the body for their ensuing measurement. The recently proposed VFNet neural network was employed to identify LN in T2 fat suppressed and diffusion weighted imaging (DWI) sequences acquired by various scanners with a variety of exam protocols. We also use a selective augmentation technique known as Intra-Label LISA (ILL) to diversify the input data samples the model sees during training, such that it improves its robustness during the evaluation phase. We achieved a sensitivity of $\sim$83\% with ILL vs. $\sim$80\% without ILL at 4 FP/vol. Compared with current LN detection approaches evaluated on mpMRI, we show a sensitivity improvement of $\sim$9\% at 4 FP/vol.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google