本研究では、前立腺がんの診断に用いられる多パラメトリックMRIデータを対象に、画像データとDICOMメタデータを組み合わせた深層学習モデルを提案した。
データは、NCI Imaging Data Commonsから収集した公開データセットを使用した。T2強調画像(T2W)、拡散強調画像(DWI)、見かけの拡散係数(ADC)、動態造影(DCE)の4つのクラスに分類した。
提案手法では、画像データと5つのDICOMメタデータ(RepetitionTime、EchoTime、FlipAngle、ScanningSequence、ContrastBolusAgent)を統合的に学習するCNNモデルを開発した。これは、メタデータのみを使用するランダムフォレストや、画像データのみを使用するCNNと比較して優れた性能を示した。特に、外部データセットでの分類精度が高かった。
DWIとADCの誤分類が一部見られたが、これはDWIデータの表現形式の違いによるものと考えられる。今後の課題としては、メタデータの選定や、低b値と高b値のDWI画像の識別などが挙げられる。
To Another Language
from source content
arxiv.org
Deeper Inquiries