LesiOnTime -- Joint Temporal and Clinical Modeling for Small Breast Lesion Segmentation in Longitudinal DCE-MRI
Created by
Haebom
저자
Mohammed Kamran, Maria Bernathova, Raoul Varga, Christian F. Singer, Zsuzsanna Bago-Horvath, Thomas Helbich, Georg Langs, Philipp Seebock
개요
본 논문에서는 유방 DCE-MRI에서 작은 병변의 정확한 분할을 위한 새로운 3D 분할 방법인 LesiOnTime을 제안합니다. 기존의 심층 학습 기반 방법들이 주로 큰 병변에 초점을 맞춘 것과 달리, LesiOnTime은 방사선 전문의의 진단 과정을 모방하여 시간 경과에 따른 영상 정보와 BI-RADS 점수를 함께 활용합니다. 핵심 구성 요소는 이전 및 현재 스캔의 정보를 동적으로 통합하는 시간적 사전 주의(TPA) 블록과 유사한 방사선학적 평가를 가진 스캔에 대한 잠재 공간 정렬을 강화하는 BI-RADS 일관성 정규화(BCR) 손실입니다. 고위험군 환자의 DCE-MRI 종단 데이터셋을 사용한 평가 결과, LesiOnTime은 기존 최첨단 단일 시점 및 종단 기준 모델보다 Dice 계수 기준 5% 향상된 성능을 보였습니다. 또한, TPA와 BCR 모두 성능 향상에 기여함을 실험적으로 확인했습니다.
시사점, 한계점
•
시사점:
◦
시간적 및 임상적 정보를 통합하여 유방암 조기 진단을 위한 작은 병변 분할 성능을 향상시킬 수 있음을 보여줍니다.
◦
방사선 전문의의 진단 과정을 모방한 새로운 접근 방식의 효용성을 제시합니다.
◦
공개된 코드를 통해 재현성과 추가 연구를 지원합니다.
•
한계점:
◦
제시된 데이터셋이 기관 내부 데이터셋으로 일반화 성능에 대한 검증이 추가적으로 필요합니다.
◦
BI-RADS 점수 이외 다른 임상 정보를 통합하여 성능을 더욱 향상시킬 수 있는지에 대한 추가 연구가 필요합니다.
