SSPT-bpMRI:一种自我监督的预培训计划,用于改善双参数MRI中前列腺癌检测和诊断

科学领域:

• 医疗成像医学成像
• 人工智能的人工智能
• 在瘤学瘤学.

背景情况:

• 前列腺癌 (PCa) 是男性的主要癌症,需要早期和准确的诊断.
• 双参数MRI (bpMRI) 为检测临床显著PCa (csPCa) 提供了多参数MRI (mpMRI) 的有希望的替代方案,克服了对比剂使用和成本等局限性.
• 前列腺MRI当前的挑战包括由于数据稀缺和标签问题而导致的低读者间协议和深度学习 (DL) 模型的限制.

研究的目的:

• 提出一个自主监督的预训练方案 (SSPT-bpMRI),以增强用于csPCa检测的DL算法.
• 在完全监督和弱监督的学习场景中评估SSPT-bpMRI的有效性.
• 为了解决数据规模和标签稀缺性的挑战,开发用于csPCa识别的DL模型.

主要方法:

• 开发了一个自主监督的预训练计划 (SSPT-bpMRI),使用图像恢复作为借口任务.
• 在自主监督学习框架内集成了四个不同的图像转换.
• 探索了自我监督预培训在完全监督和弱监督学习环境中的应用.

主要成果:

• 拟议的SSPT-bpMRI方案显著提高了用于csPCa检测的DL算法的性能.
• 自主监督的预训练证明了在提高模型的价值,即使有有限的标记数据.
• 在PI-CAI数据集上的实验结果显示,与仅使用完全或弱监督方法训练的模型相比,其性能优越.

结论:

• 自主监督的预训是一个可行的策略,以提高DL模型在csPCa检测中使用bpMRI的性能.
• SSPT-bpMRI有效地缓解了与医疗AI数据稀缺性和标签相关的挑战.
• 这种方法有可能提高人工智能驱动的前列腺癌诊断工具的准确性和可靠性.