检索结果-维普期刊中文期刊服务平台

基于双分支网络的乳腺PET新辅助化疗疗效评估: 1; 作者韩鹏黄韫栀 +2 位作者任彩月程竞仪徐军《计算机工程》北大核心 2025年第3期293-299,共7页; 准确的肿瘤亚区分割是乳腺癌异质性表征的关键,而这种表征是了解乳腺癌化疗反应的关键。传统的阈值分割在功能性肿瘤亚区的区分上存在不足,为此,提出一种改进的分割(GR)方法,该方法基于异质性影像组学特征,包括纹理信息、强度信息、形... 展开更多; 关键词肿瘤异质性聚类分割深度学习新辅助化疗医学影像; 在线阅读下载PDF 职称材料

基于注意力及可学习阈值的全景切片图构建: 2; 作者陈德品赵珅 +3 位作者焦一平王向学吕泓徐军《计算机工程》北大核心 2025年第3期229-240,共12页; 不同于常规阈值法或边与节点的合并等图采样方法侧重于减小图的规模,该工作提出了一种具备创新性的基于Transformer架构的图神经网络模块AdaptConv。该模块能够在图结构中进行信息聚合的同时通过动态学习去除冗余的边,从而构建出新的图... 展开更多; 关键词全景切片图像多实例学习图神经网络图构建可视化; 在线阅读下载PDF 职称材料

基于各向异性注意力的双分支血管分割模型被引量：1: 3; 作者徐晓峰黄韫栀徐军《计算机工程》 CSCD 北大核心 2024年第1期348-356,共9页; 血管分割对于血管疾病的诊断和治疗具有重要意义,但由于血管边界模糊、病变血管的形状多变且不同样本之间的差异性较大,因此要求分割模型能够准确地挖掘血管与背景类间的差异性以及血管内部的连通性。提出一种基于中心线约束与各向异性... 展开更多; 关键词血管分割中心线约束各向异性注意力机制双分支模型; 在线阅读下载PDF 职称材料

自动量化的肿瘤-间质比预测胃癌新辅助化疗疗效: 4; 作者仇文涛李振辉 +4 位作者焦一平王向学张深燕吴琳徐军《中国肿瘤临床》 CAS CSCD 北大核心 2023年第23期1203-1210,共8页; 目的:探讨通过深度学习的方法来全自动定量评估术前活检标本的肿瘤-间质比(tumor-stroma ratio,TSR)是否可以预测胃癌患者新辅助化疗(neoadjuvant chemotherapy,NAC)疗效。方法:选取2013年3月至2020年3月在云南省肿瘤医院接受NAC治疗的... 展开更多; 关键词肿瘤-间质比新辅助化疗语义分割肿瘤微环境病理缓解; 在线阅读下载PDF 职称材料

题名基于双分支网络的乳腺PET新辅助化疗疗效评估: 1; 作者韩鹏黄韫栀任彩月程竞仪徐军; 机构南京信息工程大学人工智能学院智慧医疗研究院复旦大学附属肿瘤医院复旦大学上海医学院核医学科; 出处《计算机工程》北大核心 2025年第3期293-299,共7页; 基金国家自然科学基金(61771249) 上海市扬帆计划(21YF1444300)。; 文摘准确的肿瘤亚区分割是乳腺癌异质性表征的关键,而这种表征是了解乳腺癌化疗反应的关键。传统的阈值分割在功能性肿瘤亚区的区分上存在不足,为此,提出一种改进的分割(GR)方法,该方法基于异质性影像组学特征,包括纹理信息、强度信息、形状信息,通过高斯混合聚类实现功能性亚区的精准分割。基于GR分割,设计双分支双任务分类模型(DDCN),预测新辅助化疗疗效,利用得到的亚区来更好地提取肿瘤内部异质性的特征,并结合文本信息来评估疗效。实验结果表明,所提放射组学分割模型在不同功能亚区的识别上表现出色,在剪影系数和方差比指数上都取得了良好的效果。DDCN模型融合了不同亚区的特征,消融实验结果表明,在受试者工作特征曲线下的面积(AUC)、准确率等指标上DDCN都取得了良好的结果。总体而言,GR在肿瘤亚区分割上比传统的阈值分割效果更优,而DDCN模型在评估新辅助化疗疗效方面具有广泛的应用价值。; 关键词肿瘤异质性聚类分割深度学习新辅助化疗医学影像; Keywords tumor heterogeneity cluster segmentation deep learning neoadjuvant chemotherapy radiomics; 分类号 TP391 [自动化与计算机技术—计算机应用技术]; 在线阅读下载PDF 职称材料

题名基于注意力及可学习阈值的全景切片图构建: 2; 作者陈德品赵珅焦一平王向学吕泓徐军; 机构南京信息工程大学人工智能学院智慧医疗研究院复旦大学附属肿瘤医院乳腺外科复旦大学上海医学院肿瘤学系复旦大学附属肿瘤医院病理科; 出处《计算机工程》北大核心 2025年第3期229-240,共12页; 基金国家自然科学基金青年科学基金(62302228,62301265)。; 文摘不同于常规阈值法或边与节点的合并等图采样方法侧重于减小图的规模,该工作提出了一种具备创新性的基于Transformer架构的图神经网络模块AdaptConv。该模块能够在图结构中进行信息聚合的同时通过动态学习去除冗余的边,从而构建出新的图,称之为重构图。重构图保留了原本图结构的有效信息,也为计算病理提供了新的可视化角度和分析角度。为了评估AdaptConv及重构图的有效性,该工作将AdaptConv模块集成在聚类约束注意力多种实例学习(CLAM)框架中,并在乳腺癌的激素受体(HR)和人表皮生长因子受体2(HER2)两种分子分型的计算病理诊断预测任务上验证了模型的准确性。与原生CLAM模型相比,改进模型的曲线下面积(AUC)指标在HR分型上取得了4.7%的提升,在HER2分型上取得了0.8%的提升。此外,AdaptConv优化模型生成的注意力分布图更合理可靠,呈现出与诊断标准免疫组织化学染色一致的分布模式。最后,该模型生成的重构图与特定组织区域和注意力图都表现出了关联,具备进一步研究的价值。; 关键词全景切片图像多实例学习图神经网络图构建可视化; Keywords whole slide image multi-instance learning Graph Neural Network(GNN) graph construction visualization; 分类号 TP391.5 [自动化与计算机技术—计算机应用技术]; 在线阅读下载PDF 职称材料

题名基于各向异性注意力的双分支血管分割模型被引量：1: 3; 作者徐晓峰黄韫栀徐军; 机构南京信息工程大学人工智能学院智慧医疗研究院; 出处《计算机工程》 CSCD 北大核心 2024年第1期348-356,共9页; 基金国家自然科学基金(U1809205,62171230,62101365,61771249) 南京信息工程大学科研启动经费(2022r100) 江苏省双创博士经费。; 文摘血管分割对于血管疾病的诊断和治疗具有重要意义,但由于血管边界模糊、病变血管的形状多变且不同样本之间的差异性较大,因此要求分割模型能够准确地挖掘血管与背景类间的差异性以及血管内部的连通性。提出一种基于中心线约束与各向异性注意力的新型三维血管分割网络CAU-Net。针对血管分割的难点,对基础网络结构ResU-Net进行改进,构建各向异性注意力模块,该模块根据管腔结构特有的空间各向异性,从3个方向提取血管空间各向异性特征,并对特征通道间的相关性进行建模,学习血管的三维空间信息。采用主-辅双分支模型,b-Net对血管进行语义分割,a-Net学习血管中心线的连续性特征,约束b-Net的血管分割结果,保证血管分割结果的完整性。在公开数据集3D-IRCADb-01上的实验结果表明,对于门静脉及肝静脉的分割,CAU-Net分别取得(74.80±8.05)%和(76.14±6.89)%的Dice系数、(54.80±8.09)%和(50.40±5.22)%的NSD系数、(72.43±8.26)%和(70.84±6.05)%的clDice系数、(46.47±12.89)%和(39.19±7.97)%的分支检测率以及(67.08±15.59)%和(61.47±9.32)%的树长检测率。在公开脑血管数据集IXI上进行组件消融实验,模型在验证集上的平均Dice、NSD、clDice、BD和TD分别为(94.11±0.39)%、(96.53±0.37)%、(95.83±0.59)%、(98.64±1.63)%和(95.44±1.22)%,相比于Baseline分别提升了0.92%、0.82%、0.92%、1.11%和1.60%。CAU-Net血管分割模型能够显著提升血管分割的精度和完整度。; 关键词血管分割中心线约束各向异性注意力机制双分支模型; Keywords vascular segmentation centerline constraint anisotropy attention mechanism dual-branch model; 分类号 TP391 [自动化与计算机技术—计算机应用技术]; 在线阅读下载PDF 职称材料

题名自动量化的肿瘤-间质比预测胃癌新辅助化疗疗效: 4; 作者仇文涛李振辉焦一平王向学张深燕吴琳徐军; 机构南京信息工程大学人工智能学院智慧医疗研究院云南省肿瘤医院影像科中山大学附属第六医院病理科云南省肿瘤医院病理科; 出处《中国肿瘤临床》 CAS CSCD 北大核心 2023年第23期1203-1210,共8页; 基金国家自然科学基金项目(编号:82360345,82001986)资助。; 文摘目的:探讨通过深度学习的方法来全自动定量评估术前活检标本的肿瘤-间质比(tumor-stroma ratio,TSR)是否可以预测胃癌患者新辅助化疗(neoadjuvant chemotherapy,NAC)疗效。方法:选取2013年3月至2020年3月在云南省肿瘤医院接受NAC治疗的胃癌患者的术前活检切片148张和手术切除切片43张。构建肿瘤区域分割模型和上皮-间质分割模型,使用手术切除切片训练和评估模型,在活检切片上预测,取二者预测结果的交集,根据TSR的定义得到TSR值。根据术后病理学肿瘤退缩分级(tumor regression grade,TRG)将所有患者分为反应良好者(TRG 0~1)和反应不良者(TRG 2~3)。采用单因素和多因素回归分析TSR与胃癌新辅助化疗疗效的相关性。结果:肿瘤组织分割模型的IOU(intersection over union)为0.94,上皮-间质分割模型的IOU为0.88。以44.93%和70.22%作为TSR的临界值,将患者分为低、中、高间质比组,三组之间反应良好者比例具有显著性差异(P<0.05)。多因素分析显示,TSR是治疗前对胃癌NAC反应的独立预测因子(OR=0.10,95%CI:0.03~0.32)。使用常规临床信息预测治疗响应的基础上,加入TSR三分类等级作为治疗响应的预测变量时,曲线下面积(area under curve,AUC)可从0.71提升至0.85。结论:该模型能够在病理切片上自动分割肿瘤区域、上皮区域和间质区域,并能够自动、准确的计算出TSR,同时发现基于此方法自动计算的TSR可以预测NAC疗效。; 关键词肿瘤-间质比新辅助化疗语义分割肿瘤微环境病理缓解; Keywords tumor-stroma ratio(TSR) neoadjuvant chemotherapy(NAC) semantic segmentation tumor microenvironment pathological remission; 分类号 R735.2 [医药卫生—肿瘤]; 在线阅读下载PDF 职称材料

	题名	作者	出处	发文年	被引量	操作
1	基于双分支网络的乳腺PET新辅助化疗疗效评估	韩鹏黄韫栀任彩月程竞仪徐军	《计算机工程》北大核心	2025	0	在线阅读下载PDF 职称材料
2	基于注意力及可学习阈值的全景切片图构建	陈德品赵珅焦一平王向学吕泓徐军	《计算机工程》北大核心	2025	0	在线阅读下载PDF 职称材料
3	基于各向异性注意力的双分支血管分割模型	徐晓峰黄韫栀徐军	《计算机工程》 CSCD 北大核心	2024	1	在线阅读下载PDF 职称材料
4	自动量化的肿瘤-间质比预测胃癌新辅助化疗疗效	仇文涛李振辉焦一平王向学张深燕吴琳徐军	《中国肿瘤临床》 CAS CSCD 北大核心	2023	0	在线阅读下载PDF 职称材料