SSPT-bpMRI: A Self-supervised Pre-training Scheme for Improving Prostate Cancer Detection and Diagnosis in Bi-parametric MRI*

人工智能 计算机科学 参数统计 机器学习 监督学习 模式识别(心理学) 医学影像学 人工神经网络 数学 统计
作者
Yuan Yuan,Euijoon Ahn,David Dagan Feng,Mohamad Khadra,Jin Man Kim
标识
DOI:10.1109/embc40787.2023.10340280
摘要

Prostate cancer (PCa) is one of the most prevalent cancers in men. Early diagnosis plays a pivotal role in reducing the mortality rate from clinically significant PCa (csPCa). In recent years, bi-parametric magnetic resonance imaging (bpMRI) has attracted great attention for the detection and diagnosis of csPCa. bpMRI is able to overcome some limitations of multi-parametric MRI (mpMRI) such as the use of contrast agents, the time-consuming for imaging and the costs, and achieve detection performance comparable to mpMRI. However, inter-reader agreements are currently low for prostate MRI. Advancements in artificial intelligence (AI) have propelled the development of deep learning (DL)-based computer-aided detection and diagnosis system (CAD). However, most of the existing DL models developed for csPCa identification are restricted by the scale of data and the scarcity in labels. In this paper, we propose a self-supervised pre-training scheme named SSPT-bpMRI with an image restoration pretext task integrating four different image transformations to improve the performance of DL algorithms. Specially, we explored the potential value of the self-supervised pre-training in fully supervised and weakly supervised situations. Experiments on the publicly available PI-CAI dataset demonstrate that our model outperforms the fully supervised or weakly supervised model alone.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
源子完成签到,获得积分10
1秒前
幽默赛君完成签到 ,获得积分10
2秒前
2秒前
doctorw完成签到 ,获得积分10
2秒前
天天快乐应助莫茹采纳,获得10
4秒前
xyyyy完成签到 ,获得积分10
6秒前
张柏柳发布了新的文献求助10
7秒前
7秒前
louyu完成签到 ,获得积分10
8秒前
自觉的小蝴蝶完成签到,获得积分10
9秒前
10秒前
11秒前
科研通AI5应助轻松的芷烟采纳,获得10
12秒前
脑洞疼应助1111采纳,获得10
12秒前
科研通AI5应助bb采纳,获得10
14秒前
大个应助自觉的小蝴蝶采纳,获得10
15秒前
坤坤完成签到,获得积分10
15秒前
17秒前
lwl666完成签到,获得积分10
17秒前
sss发布了新的文献求助30
17秒前
小彤完成签到 ,获得积分10
17秒前
DireWolf完成签到 ,获得积分10
19秒前
zqingqing完成签到,获得积分10
20秒前
Felixsun发布了新的文献求助10
23秒前
风云鱼完成签到,获得积分10
23秒前
至夏完成签到,获得积分10
23秒前
23秒前
莫友安完成签到 ,获得积分10
25秒前
26秒前
scq完成签到 ,获得积分10
26秒前
27秒前
27秒前
恒河鲤完成签到,获得积分10
30秒前
yueu发布了新的文献求助10
30秒前
平淡小丸子完成签到 ,获得积分10
30秒前
宁远完成签到 ,获得积分10
30秒前
建业发布了新的文献求助10
31秒前
VDC发布了新的文献求助10
31秒前
33秒前
情怀应助杰森斯坦虎采纳,获得10
35秒前
高分求助中
Production Logging: Theoretical and Interpretive Elements 2700
Neuromuscular and Electrodiagnostic Medicine Board Review 1000
こんなに痛いのにどうして「なんでもない」と医者にいわれてしまうのでしょうか 510
The First Nuclear Era: The Life and Times of a Technological Fixer 500
Unusual formation of 4-diazo-3-nitriminopyrazoles upon acid nitration of pyrazolo[3,4-d][1,2,3]triazoles 500
岡本唐貴自伝的回想画集 500
Distinct Aggregation Behaviors and Rheological Responses of Two Terminally Functionalized Polyisoprenes with Different Quadruple Hydrogen Bonding Motifs 450
热门求助领域 (近24小时)
化学 材料科学 医学 生物 工程类 有机化学 物理 生物化学 纳米技术 计算机科学 化学工程 内科学 复合材料 物理化学 电极 遗传学 量子力学 基因 冶金 催化作用
热门帖子
关注 科研通微信公众号,转发送积分 3671598
求助须知:如何正确求助?哪些是违规求助? 3228309
关于积分的说明 9779385
捐赠科研通 2938622
什么是DOI,文献DOI怎么找? 1610143
邀请新用户注册赠送积分活动 760547
科研通“疑难数据库(出版商)”最低求助积分说明 736093