论文目标是病灶检测,参考了别的论文的一个模型,FPR模块的作用可以作为目标检测模型的后处理,具体内容如下:
1.Introduction
在不同的MRI扫描对比中,在前列腺癌和良性组织之间强度的相似度很高。再加上癌性病变的大小差异,使得前列腺癌性病变的检测(减少假阳性)特别具有挑战性。
目标检测模型检测到的病灶可以看作是候选病灶,需要进一步分析和区分真假病灶。检测网络使用前列腺成像报告和数据系统(PI-RADS)评分作为GT,PI-RADS评分等于或大于3的病变被认为具有临床意义。
2.模型总结
检测模型:Res-Unet,2D模型
输入(b,4,h,w)–>(b,1,h,w),输入T2w,DWI ADC,DWI B-2000,前列腺区域mask(T2w模态送入分割网络得到),病灶3D msks为GT
根据3D联通区域的峰值确定为病灶中心和中心切片
根据中心位置和切片裁剪区域得到64,32,48大小的ROI
三个模态数据和三种不同视野的裁剪后图像共9通道送入FPR
得到临床有无意义分类,修正检测模型假阳性
3.实验结果
数据集:
来自7家医院的2170例患者作为训练集,ProstateX的243例病人作为测试集
FPR的训练:
数据增强:平移、旋转、翻转
GT标签仅来自中间的切片。
理解:FP、TP的判别基于中间切片的预测结果和对应的病灶mask的位置关系
FPR实验结果
2D 样本级:单例病人单张切片的预测结果
3D component 样本级:平均上中下三个切片
病例级别:是否该病人有临床有意义的病灶