PI-RADS v2 Compliant Automated Segmentation of Prostate Zones Using co-training Motivated Multi-task Dual-Path CNN

要約

磁気共鳴画像法 (MRI) によって生成される詳細な画像は、前立腺がんの診断と治療に重要な情報を提供します。
複雑な MRI 画像の標準化された取得、解釈、および使用を提供するために、PI-RADS v2 ガイドラインが提案されました。
ガイドラインに従った自動セグメンテーションにより、一貫した正確な病変の検出、病期分類、治療が容易になります。
ガイドラインでは、前立腺を PZ (末梢ゾーン)、TZ (移行ゾーン)、DPU (遠位前立腺尿道)、AFS (前線維筋間質) の 4 つのゾーンに分割することを推奨しています。
すべてのゾーンが他のゾーンと境界を共有しているわけではなく、すべてのスライスに存在します。
さらに、単一のモデルによってキャプチャされた表現は、すべてのゾーンに対して十分ではない可能性があります。
これが私たちに、各ブランチが接続されたゾーンの表現を個別にキャプチャするデュアルブランチ畳み込みニューラル ネットワーク (CNN) を設計する動機を与えました。
さらに、異なるブランチからの表現は、トレーニングの第 2 段階で互いに補完的に機能し、教師なし損失を通じて微調整されます。
損失により、同じクラスの 2 つのブランチからの予測の差にペナルティが課されます。
また、セグメンテーションの精度をさらに向上させるために、フレームワークにマルチタスク学習も組み込んでいます。
提案されたアプローチにより、ベースラインのセグメンテーション精度 (平均絶対対称距離) が、PZ、TZ、DPU、AFS ゾーンでそれぞれ 7.56%、11.00%、58.43%、19.67% 向上します。

要約(オリジナル)

The detailed images produced by Magnetic Resonance Imaging (MRI) provide life-critical information for the diagnosis and treatment of prostate cancer. To provide standardized acquisition, interpretation and usage of the complex MRI images, the PI-RADS v2 guideline was proposed. An automated segmentation following the guideline facilitates consistent and precise lesion detection, staging and treatment. The guideline recommends a division of the prostate into four zones, PZ (peripheral zone), TZ (transition zone), DPU (distal prostatic urethra) and AFS (anterior fibromuscular stroma). Not every zone shares a boundary with the others and is present in every slice. Further, the representations captured by a single model might not suffice for all zones. This motivated us to design a dual-branch convolutional neural network (CNN), where each branch captures the representations of the connected zones separately. Further, the representations from different branches act complementary to each other at the second stage of training, where they are fine-tuned through an unsupervised loss. The loss penalises the difference in predictions from the two branches for the same class. We also incorporate multi-task learning in our framework to further improve the segmentation accuracy. The proposed approach improves the segmentation accuracy of the baseline (mean absolute symmetric distance) by 7.56%, 11.00%, 58.43% and 19.67% for PZ, TZ, DPU and AFS zones respectively.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google