Prostate Lesion Detection and Salient Feature Assessment Using Zone-Based Classifiers

要約

マルチパラメトリック磁気共鳴画像法 (mpMRI) は、前立腺癌病変の検出においてますます重要な役割を果たしています。
したがって、これらのスキャンを解釈する医療専門家は、コンピューター支援検出システムを使用して人的ミスのリスクを軽減することが適切です。
ただし、システムの実装で使用されるさまざまなアルゴリズムにより、さまざまな結果が得られます。
ここでは、各前立腺ゾーンに最適な機械学習分類器を調査します。
また、モデルの分類根拠を明確にするための顕著な特徴を発見します。
提供されたデータのうち、T2 強調画像と見かけの拡散係数マップ画像を収集して拡張し、機械学習分類器への入力として 1 次から 3 次の統計的特徴を抽出しました。
深層学習分類器では、畳み込みニューラル ネットワーク (CNN) アーキテクチャを使用して、自動特徴抽出と分類を行いました。
CNN の結果の解釈可能性は、分類メカニズムを理解するために顕著性マッピングによって改善されました。
最終的に、末梢および前方の線維筋間質 (AS) 病変の効果的な検出は、統計的分布の特徴に大きく依存し、移行帯 (TZ) の病変はテクスチャの特徴に大きく依存すると結論付けました。
アンサンブル アルゴリズムは PZ ゾーンと TZ ゾーンで最適に機能し、CNN は AS ゾーンで最適に機能しました。
これらの分類子を使用して、放射線科医の予測を検証し、前立腺癌が疑われる患者の読み取り者間のばらつきを減らすことができます。
この研究で報告された顕著な特徴をさらに調査して、mpMRI を使用した前立腺病変の隠れた特徴とバイオマーカーをよりよく理解することもできます。

要約(オリジナル)

Multi-parametric magnetic resonance imaging (mpMRI) has a growing role in detecting prostate cancer lesions. Thus, it is pertinent that medical professionals who interpret these scans reduce the risk of human error by using computer-aided detection systems. The variety of algorithms used in system implementation, however, has yielded mixed results. Here we investigate the best machine learning classifier for each prostate zone. We also discover salient features to clarify the models’ classification rationale. Of the data provided, we gathered and augmented T2 weighted images and apparent diffusion coefficient map images to extract first through third order statistical features as input to machine learning classifiers. For our deep learning classifier, we used a convolutional neural net (CNN) architecture for automatic feature extraction and classification. The interpretability of the CNN results was improved by saliency mapping to understand the classification mechanisms within. Ultimately, we concluded that effective detection of peripheral and anterior fibromuscular stroma (AS) lesions depended more on statistical distribution features, whereas those in the transition zone (TZ) depended more on textural features. Ensemble algorithms worked best for PZ and TZ zones, while CNNs were best in the AS zone. These classifiers can be used to validate a radiologist’s predictions and reduce inter-reader variability in patients suspected to have prostate cancer. The salient features reported in this study can also be investigated further to better understand hidden features and biomarkers of prostate lesions with mpMRIs.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google