-
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]
-
