Utforsking av Transformer til automatisk svulstsegmentering i prostatakreft

Abstract

Prostatakreft er den nest vanligste kreftformen blant menn over hele verden. Påvisning av kreft er derimot en krevende oppgave til tross for moderne medisinsk bildediagnostikk og avansert automatiske bildesegmenterings-teknikker som brukes til å trekke ut prostatasvulst. Denne oppgaven presenterer en analyse av det Transformer-baserte Swin-Unet og TransUNet som muligens gir en mer nøyaktig prostatasvulst segmentering enn vanlig brukte arkitekturer som U-Net i magnetresonanstomografi (MR). Modellene er opplært og testet på de T2-vektede bildene fra ProstateX-datasettet, og resultatene er vurdert i forhold til standard U-Net-arkitektur basert på konvolusjonell nevral nettverk (CNN). Segmenteringsytelsen til de tre modellene sammenlignes ved å bruke en 5-fold kryssvalidering. Ulike treningsstrategier basert på overføringslæring og bildeutvidelse brukes med hensikt om å øke modellens ytelse. De endelige resultatene presenteres for et uavhengig testsett og n=100 "bootstrapp" repetisjoner.

Resultatene viser at TransUNet med bruk av både overføringslæring og bildeutvidelse kom best ut av alle tre modellene. TransUNet oppnår en gjennomsnittlig "Dice similarity coefficient" (DSC) på 0,1316, en "Hausdorff distance" (HD) på 60,1933 mm og en "relative volume difference" (RVD) på 0,6994. Swin-Unet oppnår en gjennomsnittlig DSC på 0,0614, en HD på 39,9895 mm og en RVD på 2,9942. U-Net oppnår en gjennomsnittlig DSC på 0,1302, en HD på 48,9854 mm og en RVD på 1,2036. En sammenligning av poengsum viser at det er stor forskjell på nøyaktigheten av prostatasvulst segmenteringen. Vår resultater viser at Transformers kan utkonkurrere standard U-Net for prostatakreft segmentering.

Prostate cancer is the second most common cancer among men worldwide. However, detection of cancer is a demanding task despite modern medical imaging and advanced automatic image segmentation techniques used to extract the prostate tumor lesion. This thesis presents an analysis of the Transformer-based Swin-Unet and TransUNet that possibly provide a more accurate prostate tumor segmentation than commonly used architectures such as U-Net in magnetic resonance imaging (MRI). The models are trained and tested on the T2-weighted images from the ProstateX data set, and the results are assessed in relation to the standard U-Net architecture based on convolutional neural network (CNN). The segmentation performance of the three models is compared using a 5-fold cross-validation. Different training strategies based on transfer learning and image augmentation are applied with the intention of boosting the model performances even further. Final results are presented for an independent test set and n=100 bootstrapped repetitions.

The results show that the TransUNet applying both transfer learning and image augmentation came out the best of all three models. The TransUNet achieves an average Dice similarity coefficient (DSC) of 0.1316, a Hausdorff distance (HD) of 60.1933 mm and a relative volume difference (RVD) of 0.6994. The Swin-Unet achieves an average DSC of 0.0614, a HD of 39.9895 mm and a RVD of 2.9942. The U-Net achieves an average DSC of 0.1302, a HD of 48.9854 mm and a RVD of 1.2036. A comparison of the scores shows that there is great difference in the accuracy of the prostate tumor segmentation. Our results establish that Transformers can outperform standard U-Net for prostate cancer segmentation.