Anatomy-informed Data Augmentation for Enhanced Prostate Cancer Detection

要約

データ拡張 (DA) は、磁気共鳴画像での前立腺がん (PCa) 検出などの医用画像解析における重要な要素です。
最先端のコンピュータ支援診断システムは、変換後の病理学的ラベルを保存するために依然として単純化された空間変換に依存しています。
ただし、このような拡張では、トレーニング セット内の臓器や腫瘍の形状のばらつきは実質的に増加せず、より多様な局所的な軟組織変形を伴う未確認の症例に一般化するモデルの能力が制限されます。
私たちは、隣接する臓器からの情報を活用して前立腺の典型的な生理学的変形をシミュレートし、ラベルを変更せずに独自の病変形状を生成する、新しい解剖学に基づいた変換を提案します。
計算要件が軽量であるため、一般的な DA フレームワークに簡単に統合できます。
我々は、さまざまな増強設定で PCa 検出のための最先端の方法を評価することにより、774 件の生検で確認された検査のデータセットに対する増強の有効性を実証します。

要約(オリジナル)

Data augmentation (DA) is a key factor in medical image analysis, such as in prostate cancer (PCa) detection on magnetic resonance images. State-of-the-art computer-aided diagnosis systems still rely on simplistic spatial transformations to preserve the pathological label post transformation. However, such augmentations do not substantially increase the organ as well as tumor shape variability in the training set, limiting the model’s ability to generalize to unseen cases with more diverse localized soft-tissue deformations. We propose a new anatomy-informed transformation that leverages information from adjacent organs to simulate typical physiological deformations of the prostate and generates unique lesion shapes without altering their label. Due to its lightweight computational requirements, it can be easily integrated into common DA frameworks. We demonstrate the effectiveness of our augmentation on a dataset of 774 biopsy-confirmed examinations, by evaluating a state-of-the-art method for PCa detection with different augmentation settings.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google