ディープラーニングベースのPET/CT画像による中枢リンパ節評価は,ピクセルレベルの注釈なしです

科学分野:

• メディカルイマージング (医学イメージング)
• 人工知能 (AI) とは,人工知能 (AI) のことです.
• 腫瘍学 腫瘍学

背景:

• N段階は,がんの診断に不可欠であり,治療を導くためにリンパ節の関与を評価します.
• PET/CTスキャンでのリンパ節の手動評価は,コントラストが低いことと形態学的異質性のために困難です.
• 現在の方法は時間がかかり,主観的かもしれません.

研究 の 目的:

• 自動化されたNステージングのためのディープラーニングアルゴリズムを開発する.
• 中間リンパ節の局所化,分類,段階を簡素化するために.
• ピクセルレベルのアノテーションなしで,監督が弱いトレーニングを可能にします.

主な方法:

• リンパ節ステーションの局所化のためにアトラスから患者への登録を活用しました.
• イメージレベルのラベルと推測された擬似ラベルで,弱度に監督された学習を採用した.
• リンパ節ステーション分類と自動化されたNステージングのためのディープラーニングモデルをトレーニングしました.

主要な成果:

• リンパ節ステーション分類で0.88の精度,0.72の感度,0.90の特異性を達成しました.
• 標準的な値ベースのアプローチとPET病変のセグメンテーションアルゴリズムを上回った.
• 0.63の精度を達成し,自動のN段階設定を実現し,セグメンテーションマスクで訓練されたモデルと比較できる.

結論:

• N段階の問題をサブタスクに分割すると,パフォーマンスが向上します.
• 以前の知識 (アトラスの登録) を統合することで,モデルの機能が向上します.
• 監督が弱いモデルでは,完全に監督された方法と比較して,同等または優れたパフォーマンスを得ることができます.