May, 2024
基于深度学习的多角度 PET 图像最大强度投影（MA-MIPs）的头颈癌无分割结果预测
Segmentation-Free Outcome Prediction in Head and Neck Cancer: Deep Learning-based Feature Extraction from Multi-Angle Maximum Intensity Projections (MA-MIPs) of PET Images
Amirhosein Toosi, Isaac Shiri, Habib Zaidi, Arman Rahmim
TL;DR我们引入了一种创新的、简单而有效的无分割方法，用于对头颈癌（HNC）患者的结果预测。通过利用基于深度学习的特征提取技术和应用于氟脱氧葡萄糖正电子发射断层扫描（FDG-PET）体积的多角度最大强度投影（MA-MIP），我们的提出的方法消除了对于感兴趣区域（ROIs）如原发肿瘤和受累淋巴结的手动分割的需要。相反，先训练一个最先进的目标检测模型，在 PET 体积上自动进行头颈区域的裁剪。然后，利用预训练的深度卷积神经网络主干提取来自裁剪的 PET 体积的 72 个多角度轴向旋转的 MA-MIP 的深层特征。然后将从 PET 体积的多个投影视图中提取的这些深层特征进行聚合和融合，并用于对 489 例 HNC 患者进行无复发生存分析。所提出的方法在目标数据集上的无复发生存分析任务中胜过了表现最好的方法。通过避免对 FDG PET-CT 图像上的恶性病灶人工划定的依赖，我们的方法消除了对主观解释的依赖，并极大地提高了所提出的生存分析方法的可重复性。