Uma análise comparativa das arquiteturas de rede neural convolucional para classificar o grau de risco de lesões da próstata a partir de imagens unimodais ou bimodais de mpMRII

Resumo

Este trabalho apresenta uma análise comparativa de cinco arquiteturas de redes neurais convolutivas (CNN) usando ressonância magnética multiparamétrica (mpMRI) para a classificação dos tecidos com a presença de lesões do câncer de próstata. SPIE-AAPM-NCI Prostate MR
Classification Challenge foi usado como um conjunto de dados de treinamento e validação, que conta com 344 casos com imagens de ressonância
magnética das modalidades: T2W (T2 ponderado), ADC (Coeficiente de difusão aparente) e Ktrans (imagens pré-processadas da modalidade DCE
(Dynamic Enhanced Contrast)), dos quais foram usados três subconjuntos de dados de uma única modalidade independente: T2W, ADC e Ktrans,
e dois subconjuntos de dados combinando duas modalidades: Ktrans-ADC e Ktrans-T2W, para comparação e análise. Da escala Gleason (Gleason
score - GS) e da ISUP (International Society of Urologic Pathologists), que são usadas para medir o grau de agressividade do câncer de próstata, dois
níveis de agressividade foram estabelecidos: Baixo e Alto. A classe Baixa são aquelas lesões com GS = 6, e a classe Alta, aquelas lesões com valor GS
> 7. Os resultados experimentais mostram um desempenho superior com as imagens da modalidade Ktrans nas primeiras 4 arquiteturas obtendo
um valor máximo de AUC (área sob curva) de 0,71 ±0,127. Entretanto, a quinta arquitetura inspirada na LetNet combinando duas modalidades
mpMRI, Ktrans-T2W, obtém uma AUC de 0,72 ±0,058, o que sugere ligeiramente que, embora a modalidade Ktrans seja a mais relevante, sua
combinação com T2W poderia melhorar a precisão do diagnóstico.