Core Concepts
前立腺がんの診断において、Convolutional Neural Networksを用いた3D磁気共鳴画像データの分類手法の性能評価
Abstract
本論文では、前立腺がんの診断において、Convolutional Neural Networks (CNN)を用いた3D磁気共鳴画像データの分類手法の性能評価を行った。
私立病院アーラウ州立病院から提供された前立腺MRI画像データセットを使用した。データセットには365症例、1095シーケンスが含まれ、各画像は149×149×32ボクセルサイズ、ボクセル間隔は0.75×0.75×3mm。
病理組織学的報告書に基づき、各症例をがん有り(Gleason score ≥7)または無しのラベルを付与した。
ResNet3D、ConvNet3D、ConvNeXt3Dの3つのCNNモデルを評価した。前立腺領域のみを入力とする手法と、全画像を入力とする手法を比較した。
最良の結果はResNet3Dで、平均精度0.4583、AUC ROC 0.6214を達成した。
前立腺領域のみを入力とする手法は全画像入力に比べAUC ROCが向上したが、平均精度は低下した。
小規模データセットでは高精度な結果が得られたが、過学習の可能性が高く、一般化性能は低い。
病理組織学的情報の活用や転移学習、自己教師あり学習の導入など、さらなる手法の改善が必要である。
Stats
前立腺MRI画像データセットは365症例、1095シーケンスで構成される。
ラベルは病理組織学的報告書に基づき、Gleason score ≥7を陽性、それ以外を陰性とした。