확산 모델 기반 오토인코더를 활용한 다중파라미터 MR 영상에서의 전립선암 악성도 예측
Predicting Prostate Cancer Aggressiveness via Diffusion Autoencoders with Multi-Parametric MR Images
5
조회
0
다운로드
0
인용
0
참고문헌
키워드
초록
본 연구는 전립선암 악성도 예측을 위한 영상 특징 추출 방식으로, 확산 모델 기반 오토인코더와 다중 파라미 터 MR 영상의 독립 인코딩 구조(mp-FE)를 결합한 새로운 프레임워크를 제안한다. 확산 모델 기반 오토인코 더는 기본 오토인코더의 디코더 부분을 확산 모델로 대체함으로써, 인코더가 추출한 잠재 벡터가 보다 정보량 이 풍부하고 악성도 예측에 유용한 특징을 내포하도록 유도하고자 한다. 또한 다중 파라미터 MR 영상 별 고유 한 특징들을 갖는 잠재 벡터를 획득하고자, 각 파라미터 영상별로 독립된 인코더를 구성하고 각각 추출된 특징 을 통합하여 사용하는 mp-FE 방법을 제안한다. 실험 결과, mp-FE 방법을 적용한 확산 모델 기반 오토인코 더를 통해 DWI 영상을 복원하며 특징을 학습할 경우에서 정확도 70.97%, 특이도 79.41%, AUROC 0.72를 기 록하며 가장 우수한 성능을 달성했다.
Abstract
This study proposes a novel framework that combines a diffusion autoencoder with an independent encoding structure for multi-parametric MR images (mp-FE), as a method for extracting imaging features for prostate cancer aggressiveness prediction. The diffusion autoencoder replaces the decoder part of a conventional autoencoder with a diffusion model, thereby guiding the encoder to produce latent vectors that are more informative and contain features useful for aggressiveness prediction. Additionally, to obtain latent vectors that capture the unique characteristics of each parametric MR image, the proposed mp-FE method constructs independent encoders for each parameter image and integrates the separately extracted features. Experimental results showed that, when reconstructing DWI images using the diffusion autoencoder with the mp-FE method, the model achieved the best performance, recording an accuracy of 70.97%, specificity of 79.41%, and AUROC of 0.72.