Detection of prostate cancer in multiparametric MRI using random forests with an instance weight and Mr prostate segmentation by deep learning using a holistic nested network
The computer aided diagnosis (CAD) system of the disclosed prostate gland detects prostate cancer using a random forest classifier.The system uses a combination of spatial features, intensity features, and texture features extracted from the three sequences to classify individual pixels within the prostate gland as potential sites for cancer.Random forest training considers an instance level weighting for the equivalent treatment of small cancerous lesions and large cancerous lesions, as well as small prostate backgrounds and large prostate backgrounds.Two other approaches are based on the autocontext pipeline intended to better use sequence specific patterns.Methods and systems for accurate automatic segmentation of prostate in MRI are also disclosed.開示される前立腺のコンピューター支援診断（ＣＡＤ）システムは、ランダムフォレスト分類器を用いて、前立腺がんを検出する。システムは、３つのシーケンスから抽出される、空間的特徴、強度特徴、およびテクスチャー特徴の組み合わせを使用して、前立腺内部の個々のピクセルを、がんの可能性のある部位として分類する。ランダムフォレスト訓練は、小さながん性病変部および大きながん性病変部、ならびに小さな前立腺バックグラウンドおよび大きな前立腺バックグラウンドの同等な処置のために、インスタンスレベルの重み付けを考慮する。２つの他のアプローチは、シーケンス特異的なパターンをより良好に使用することを意図した、ＡｕｔｏＣｏｎｔｅｘｔパイプラインに基づく。ＭＲＩにおける前立腺の正確な自動的セグメント化のための方法およびシステムもまた、開示される。
