다중 MR 영상에서 크기 정규화 및 다중 손실함수를 사용한 딥러닝 모델 기반 전립선암 악성도 예측 개선 (Improvement of Prostate Cancer Aggressiveness Prediction Based on the Deep Learning Model Using Size Normalization and Multiple Loss Functions on Multi-parametric MR Images)

서지정보

· 발행기관 : 한국정보과학회
· 수록지 정보 : 정보과학회논문지 / 50권 / 10호 / 866 ~ 873페이지
· 저자명 : 김윤조, 정주립, 황성일, 홍헬렌

초록

전립선암은 전 세계적으로 남성에서 두 번째로 흔하게 발생되는 암이며, 악성도에 따라 재발 가능성 및 치료의 효과가 달라지기 때문에 전립선암의 악성도를 예측하는 것이 필수적이다. 본 연구는 다중 파라미터 자기공명영상에서 전립선암의 악성도를 예측하기 위해 크기 정규화를 적용하여 작은 종양에 대한 정보를 강화한다. 또한, 시각적 특징이 유사하지만 악성도가 다른 종양을 구분하기 위해 다중 손실함수를 제안한다. 실험 결과, ADC 맵 크기 정규화 패치로 학습한 제안된 모델은 정확도 76.28%, 민감도 76.81%, 특이도 75.86%, AUC 0.77의 성능을 보인다. 또한 1.5cm 미만인 작은 종양에서 종양 중심 패치와 비교하여 크기 정규화된 ADC 맵이 정확도 76.47%, 민감도 90.91%, 특이도 69.57%로 각각 17.65%, 27.27%, 13.05%의 향상된 성능을 보인다.

영어초록

Prostate cancer is the second most common cancer in men worldwide, and it is essential to predict the aggressiveness of prostate cancer because the recurrence rate and the effectiveness of treatment vary depending on the aggressiveness. This study enhances the information on small tumors by applying size normalization to predict the aggressiveness of prostate cancer in multi-parametric MR imaging. Additionally, we propose the use of multiple loss functions to distinguish tumors with different aggressiveness while having a similar visual appearance. Experimental results show that the proposed model trained with size-normalized ADC maps achieves an accuracy of 76.28%, sensitivity of 76.81%, specificity of 75.86%, and an AUC of 0.77. Moreover, compared to the tumor-centered ADC maps, size-normalized ADC maps demonstrate improved performance in tumors smaller than 1.5 cm, with an accuracy of 76.47%, sensitivity of 90.91%, and specificity of 69.57%, corresponding to a significant improvement of 17.65%, 27.27%, and 13.05% respectively.

참고자료

· 없음