Deep learning for brain metastasis detection and segmentation in longitudinal MRI data

要約

脳転移は、転移性がん患者に頻繁に発生します。
脳転移の早期かつ正確な検出は、放射線治療における治療計画と予後にとって非常に重要です。
深層学習による脳転移検出のパフォーマンスを向上させるために、ボリューム レベル感度特異性 (VSS) と呼ばれるカスタム検出損失が提案されています。
感度と精度は常に転移レベルのトレードオフであるため、セグメント化された転移のサイコロスコア係数を低下させることなく、VSS 損失の重みを調整することで、高感度または高精度のいずれかを達成できます。
偽陽性の転移として検出される転移様構造を減らすために、DeepMedic の追加入力として一時的な事前ボリュームが提案されています。
変更されたネットワークは、区別のために DeepMedic+ と呼ばれます。
私たちが提案する VSS 損失は、DeepMedic の脳転移検出の感度を向上させ、感度を 85.3% から 97.5% に高めます。
あるいは、精度が 69.1% から 98.7% に向上します。
DeepMedic+ と同じ VSS 損失の DeepMedic を比較すると、高感度モデルでは偽陽性転移の 44.4% が減少し、高特異性モデルでは精度が 99.6% に達します。
すべての転移の平均サイコロ係数は約 0.81 です。
高感度モデルと高特異性モデルの組み合わせにより、真の陽性転移の大部分が確認される一方で、患者あたり平均 1.5 の偽陽性転移のみがさらにチェックされる必要があります。
アンサンブル学習は、信頼性の高い真陽性の転移と、特別な専門家のレビューまたはさらなるフォローアップが必要な転移候補とを区別することができ、実際の臨床診療における専門家のサポートの要件に特によく適合します。

要約(オリジナル)

Brain metastases occur frequently in patients with metastatic cancer. Early and accurate detection of brain metastases is very essential for treatment planning and prognosis in radiation therapy. To improve brain metastasis detection performance with deep learning, a custom detection loss called volume-level sensitivity-specificity (VSS) is proposed, which rates individual metastasis detection sensitivity and specificity in (sub-)volume levels. As sensitivity and precision are always a trade-off in a metastasis level, either a high sensitivity or a high precision can be achieved by adjusting the weights in the VSS loss without decline in dice score coefficient for segmented metastases. To reduce metastasis-like structures being detected as false positive metastases, a temporal prior volume is proposed as an additional input of DeepMedic. The modified network is called DeepMedic+ for distinction. Our proposed VSS loss improves the sensitivity of brain metastasis detection for DeepMedic, increasing the sensitivity from 85.3% to 97.5%. Alternatively, it improves the precision from 69.1% to 98.7%. Comparing DeepMedic+ with DeepMedic with the same VSS loss, 44.4% of the false positive metastases are reduced in the high sensitivity model and the precision reaches 99.6% for the high specificity model. The mean dice coefficient for all metastases is about 0.81. With the ensemble of the high sensitivity and high specificity models, on average only 1.5 false positive metastases per patient needs further check, while the majority of true positive metastases are confirmed. The ensemble learning is able to distinguish high confidence true positive metastases from metastases candidates that require special expert review or further follow-up, being particularly well-fit to the requirements of expert support in real clinical practice.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google