Patient-specific fine-tuning of CNNs for follow-up lesion quantification

Jansen, Marielle J A (författare): Uppsala universitet,Bildanalys och människa-datorinteraktion

Kuijf, Hugo J (författare)

Kumar Dhara, Ashis (författare): Uppsala universitet,Bildanalys och människa-datorinteraktion

Weaver, Nick A (författare)

Biessels, Geert Jan (författare)

Strand, Robin, 1978- (författare): Uppsala universitet,Avdelningen för visuell information och interaktion,Bildanalys och människa-datorinteraktion

Pluim, Josein (författare)

(creator_code:org_t)

Abstract Ämnesord

Stäng

Convolutional neural network (CNN) methods have been proposed to quantify lesions in medical imaging. Commonly more than one imaging examination is available for a patient, but the serial information in these images often remains unused. CNNbased methods have the potential to extract valuable information from previously acquired imaging to better quantify current imaging of the same patient. A pre-trained CNN can be updated with a patient’s previously acquired imaging: patient-specific fine-tuning. In this work, we studied the improvement in performance of lesion quantification methods on MR images after fine-tuning compared to a base CNN. We applied the method to two different approaches: the detection of liver metastases and the segmentation of brain white matter hyperintensities (WMH). The patient-specific fine-tuned CNN has a better performance than the base CNN. For the liver metastases, the median true positive rate increases from 0.67 to 0.85. For the WMH segmentation, the mean Dice similarity coefficient increases from 0.82 to 0.87. In this study we showed that patient-specific fine-tuning has potential to improve the lesion quantification performance of general CNNs by exploiting the patient’s previously acquired imaging

Av författaren/redakt...: Jansen, Marielle ...; Kuijf, Hugo J; Kumar Dhara, Ash ...; Weaver, Nick A; Biessels, Geert ...; Strand, Robin, 1 ...; visa fler...; Pluim, Josein; visa färre...

Om ämnet

TEKNIK OCH TEKNOLOGIER: TEKNIK OCH TEKNO ...; och Medicinteknik; och Medicinsk bildbe ...

Kungliga biblioteket hanterar dina personuppgifter i enlighet med EU:s dataskyddsförordning (2018), GDPR. Läs mer om hur det funkar här.
Så här hanterar KB dina uppgifter vid användning av denna tjänst.