1. Semi-invertible Convolutional Neural Network for Overall Survival Prediction in Head and Neck Cancer
- Author
-
Khelifa, Saif Eddine, Khelladi, Lyes, Bagaa, Miloud, Hadjadj-Aoul, Yassine, Université des Sciences et de la Technologie Houari Boumediene = University of Sciences and Technology Houari Boumediene [Alger] (USTHB), Centre de recherche sur l'Information Scientifique et Technique (CERIST), Ministère de l'Education nationale, de l’Enseignement supérieur et de la Recherche (M.E.N.E.S.R.), Aalto University, mEasuRing and ManagIng Network operation and Economic (ERMINE), Inria Rennes – Bretagne Atlantique, Institut National de Recherche en Informatique et en Automatique (Inria)-Institut National de Recherche en Informatique et en Automatique (Inria)-RÉSEAUX, TÉLÉCOMMUNICATION ET SERVICES (IRISA-D2), Institut de Recherche en Informatique et Systèmes Aléatoires (IRISA), Université de Rennes (UR)-Institut National des Sciences Appliquées - Rennes (INSA Rennes), Institut National des Sciences Appliquées (INSA)-Institut National des Sciences Appliquées (INSA)-Université de Bretagne Sud (UBS)-École normale supérieure - Rennes (ENS Rennes)-Institut National de Recherche en Informatique et en Automatique (Inria)-CentraleSupélec-Centre National de la Recherche Scientifique (CNRS)-IMT Atlantique (IMT Atlantique), Institut Mines-Télécom [Paris] (IMT)-Institut Mines-Télécom [Paris] (IMT)-Université de Rennes (UR)-Institut National des Sciences Appliquées - Rennes (INSA Rennes), Institut Mines-Télécom [Paris] (IMT)-Institut Mines-Télécom [Paris] (IMT)-Institut de Recherche en Informatique et Systèmes Aléatoires (IRISA), Institut National des Sciences Appliquées (INSA)-Institut National des Sciences Appliquées (INSA)-Université de Bretagne Sud (UBS)-École normale supérieure - Rennes (ENS Rennes)-CentraleSupélec-Centre National de la Recherche Scientifique (CNRS)-IMT Atlantique (IMT Atlantique), and Institut Mines-Télécom [Paris] (IMT)-Institut Mines-Télécom [Paris] (IMT)
- Subjects
[INFO.INFO-NI]Computer Science [cs]/Networking and Internet Architecture [cs.NI] - Abstract
International audience; The paper addresses the issue of overall survival prediction in head and neck cancer as an effective mean of improving clinical diagnosis and treatment planning. A new solution is proposed using semi-invertible convolutional networks. Our model exploits the 3D features of computed tomography (CT) scans to enrich the dataset used in the learning phase and thereby improve the prediction accuracy. This is achieved by designing a first architecture featuring a combination of a CNN classifier with a fully convolutional network pre-processor. The latter has been replaced in the second solution by an invertible network to deal with the memory constraints noticed in the first architecture. Obtained results showed that both architectures have led to considerable improvements in terms of prediction accuracy (0.75) compared to state-of-the-art solutions.
- Published
- 2022