طبقه بندی سرطان پروستات با تصویر برداری رزونانس مغناطیسی چند پارامتری (MPMRI) به کمک ARCFACE و SOFTMAX

سرطان پروستات یکی از شایع ترین موارد سرطانی است که در میان جمعیت مردان گزارش شده و میزان مرگ و میر بالایی دارد.درحالی که بیماری های پروستات را می توان از طریق افزایش عامل افزایش دهنده پروستات (PSA) شناسایی کردولی نمی توان نوعبیماری های پروستات را ازPSA تشخیص داد.بیماران با سطح PSA بالا باید با غربالگری چند پارامتریک (MPMRI)MRI آشناشوند.MPMRI سعی می کند اندازه ضایعه و موقعیت مربوط به آن را نشان دهد. بیماران مبتلا به ضایعه مشکوک باید تحت بیوپسیقرار گیرند تا درجه بدخیمی تومور از طریق نمره گلیسون مشخص شود.با این حال.مثبت کاذب بیوپسی منجر به تشخیص بیش از حدمی شود و باعث بار بیش از حد بر روی بیماران می شود. در این مقاله تلاش می شود تا ازطریق یادگیری متریک عمیق، از مثبت کاذببیوپسی ها استفاده شود.برخلاف کار طبقه بندی مرسوم که تلاش می کند که نقشه برداری را از ویژگی ها به برچسب ها یاد بگیرد،یادگیری متریک عمیق ویژگی های متمایز کننده ای را اعمال می کند به طوری که اشیا با برچسب مشابه نزدیک هستند،درحالی که اشیا با برچسب متفاوت از یکدیگر دور هستند.در این کاراز MPMRI با توالی تصویری از T۲ ، DWI و ADC از ۱۸۷۳ بیماراستفاده کردیم.این مقاله پیشرفته ترین روش یادگیری متریک عمیق،یعنی خطای softmax مبتنی بر حاشیه را پیشنهاد می کند،کهتوسعه ای از تابع softmax معمولی است.به طور خاص، ما خطای ArcFace را در این کاربرای یادگیری تعبیه ویژگی هایمتمایزبرای قابلیت طبقه بندی بهتر تطبیق دادیم.ما در تلاش برای ترسیم یک مرز تصمیم بین بیماران مبتلا به بدخیمی و خو ش خیمیتومورپروستات هستیم.علاوه بر تنظیمات تک سر،که در آن سعی میکنیم یک پایه جاسازی را بر روی یک تابع هدف بهینه کنیم،تنظیماتچندسر را معرفی کردیم، که یک پایه جاسازی را بر روی چندین تابع هدف بهینه کنیم.در حالی که هدف اولیه شناسایی بیماران بالینیمهم سرطان پروستات باقی می ماند،تنظیمات چندسر محدودیت های بیشتری را در تعبیه ویژگی های غنی فراهم می کند.به غیر ازاستفاده از توالی های تصویر ADC, DWI, T۲ به ترتیب به عنوان ورودی مدل، ما ADC, DWI, T۲ را به عنوان ورودی کانالبرای غنی سازی تطبیق دادیم.داده های ورودی برای مدل ما علاوه بر این، برای مقابله با معضل ناشی از هم ترازی های ۳ دنباله تصویر،فیوژن دیرهنگام را پیادهسازی کردیم،که تلاش میکنیم تعبیه سازی را از جاسازی های به هم پیوسته ADC, DWI, T۲ بهینه کنیم.

کلیدواژه ها:

سرطان پروستات ، تصویر برداری رزونانس مغناطیسی چند پارامتری ، فیوژن ، شبکه عصبی