一种用于前列腺癌MRI应用的多区域发现的贝叶斯通用功能空间分区方法

科学领域:

• 医疗成像医学成像
• 计算统计学 计算统计学
• 在瘤学瘤学.

背景情况:

• 使用多参数磁共振成像 (mpMRI) 检测前列腺癌病变是主观的,并且严重依赖于读者的专业知识.
• 目前的自动化方法缺乏准确估计癌症病变的数量,大小和位置的能力.
• 现有的空间分区和频率方法在处理复杂的损伤形状和量化不确定性方面存在局限性.

研究的目的:

• 提出一种新的贝叶斯函数空间分区方法,用于检测多个前列腺癌病变的未知数量的病变.
• 开发一种方法,模拟每个病变的平滑边界曲线,并量化检测中的不确定性.
• 从mpMRI数据提高前列腺癌病变检测的准确性和可靠性.

主要方法:

• 利用贝叶斯的功能空间分区方法来建模损伤边界.
• 采用一个可逆跳转马尔科夫链蒙特卡洛 (RJ-MCMC) 框架,具有新的跳跃步骤.
• 共同估计了病变的数量,它们的边界和空间参数,量化不确定性.

主要成果:

• 提出的贝叶斯方法证明了对不同病变形状和数量的稳定性.
• 该方法有效地使用MRI数据检测出多个前列腺癌病变.
• 在估计损伤数量,边界和空间参数的量化不确定性.

结论:

• 新的贝叶斯函数空间分区方法为多重前列腺癌病变检测提供了准确可靠的方法.
• 该方法通过提供客观估计和量化不确定性来解决当前技术的局限性.
• 这些发现对通过先进的MRI分析改善前列腺癌诊断和治疗规划具有重大意义.