マルチパラメトリックMRシーケンスからの進行性前立腺病変検出のための自動化された2ステップのパイプライン

An Automated Two-step Pipeline for Aggressive Prostate Lesion Detection from Multi-parametric MR Sequence.

• Josh Sanyal
• Imon Banerjee
• Lewis Hahn
• Daniel Rubin

抄録

前立腺がんの症例のかなりの割合は、攻撃性の抑止に課題があるため、過剰診断され、過剰治療されている。マルチパラメトリックMRは、侵攻性評価に有益な前立腺病変の特徴を捉えるための強力なイメージング技術である。しかし、手動での解釈には高度な専門知識が必要であり、時間がかかり、放射線科医による観察者間のばらつきが大きい。我々は、マルチパラメトリックMRIにおける前立腺癌のピクセルレベルの攻撃性を評価するための完全に自動化されたアプローチを提案する。我々のモデルは、従来のコンピュータビジョンとディープラーニングアルゴリズムを効率的に組み合わせ、手動の特徴、前立腺のセグメンテーション、および事前の病変検出への依存を取り除き、評価のための最適なMRパルスシーケンスの組み合わせを特定した。ADCとDWIを用いて、我々が提案したモデルは、侵攻性前立腺病変の診断においてROC-AUCが0.86、非侵攻性前立腺病変の診断においてROC-AUCが0.88を達成した。ピクセルレベルでの分類を行うことで、本モデルの分類は解釈が容易であり、臨床医は病変の局所的な分析を推察することができる。

A substantial percentage of prostate cancer cases are overdiagnosed and overtreated due to the challenge in deter- mining aggressiveness. Multi-parametric MR is a powerful imaging technique to capture distinct characteristics of prostate lesions that are informative for aggressiveness assessment. However, manual interpretation requires a high level of expertise, is time-consuming, and significant inter-observer variation exists for radiologists. We propose a completely automated approach to assessing pixel-level aggressiveness of prostate cancer in multi-parametric MRI. Our model efficiently combines traditional computer vision and deep learning algorithms, to remove reliance on manual features, prostate segmentation, and prior lesion detection and identified optimal combinations of MR pulse sequences for assessment. Using ADC and DWI, our proposed model achieves ROC-AUC of 0.86 and ROC-AUC of 0.88 for the diagnosis of aggressive and non-aggressive prostate lesions, respectively. In performing pixel-level clas- sification, our model's classifications are easily interpretable and allow clinicians to infer localized analyses of the lesion.

©2020 AMIA - All rights reserved.