Cinepro: Robust Training of Foundation Models for Cancer Detection in Prostate Ultrasound Cineloops

要約

深層学習 (DL) モデルを使用した前立腺がん (PCa) 検出は、生検中のリアルタイム ガイダンスを強化する可能性を示しています。
ただし、前立腺超音波画像にはピクセルレベルのがんの注釈が欠如しており、ラベルノイズが発生します。
現在のアプローチは、多くの場合、正確な診断に必要な解剖学的コンテキストを無視して、限られた関心領域 (ROI) に焦点を当てています。
基礎モデルは、画像全体を分析してグローバルな空間関係をキャプチャすることで、この制限を克服できます。
ただし、超音波データの粗い病理注釈に関連付けられたラベルが弱いことに起因する課題に依然として直面しています。
超音波シネループ内の PCa を位置特定する基礎モデルの機能を強化する新しいフレームワークである Cinepro を紹介します。
Cinepro は、生検コア内の病理によって報告された癌組織の割合をその損失関数に統合することで堅牢なトレーニングを適応させ、ラベル ノイズに対処し、より微妙な監視を提供します。
さらに、複数のフレームにわたる時間データを活用して堅牢な拡張を適用し、安定したがん関連の特徴を学習するモデルの能力を強化します。
Cinepro は、マルチセンターの前立腺超音波データセットで優れたパフォーマンスを示し、77.1% の AUROC と 83.8% のバランスの取れた精度を達成し、現在のベンチマークを上回っています。
これらの発見は、弱くラベル付けされた超音波データの基礎モデルを進歩させるという Cinepro の約束を強調しています。

要約(オリジナル)

Prostate cancer (PCa) detection using deep learning (DL) models has shown potential for enhancing real-time guidance during biopsies. However, prostate ultrasound images lack pixel-level cancer annotations, introducing label noise. Current approaches often focus on limited regions of interest (ROIs), disregarding anatomical context necessary for accurate diagnosis. Foundation models can overcome this limitation by analyzing entire images to capture global spatial relationships; however, they still encounter challenges stemming from the weak labels associated with coarse pathology annotations in ultrasound data. We introduce Cinepro, a novel framework that strengthens foundation models’ ability to localize PCa in ultrasound cineloops. Cinepro adapts robust training by integrating the proportion of cancer tissue reported by pathology in a biopsy core into its loss function to address label noise, providing a more nuanced supervision. Additionally, it leverages temporal data across multiple frames to apply robust augmentations, enhancing the model’s ability to learn stable cancer-related features. Cinepro demonstrates superior performance on a multi-center prostate ultrasound dataset, achieving an AUROC of 77.1% and a balanced accuracy of 83.8%, surpassing current benchmarks. These findings underscore Cinepro’s promise in advancing foundation models for weakly labeled ultrasound data.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google