-
基于深度真值发现的胶质瘤基因状态预测方法
- 赵钰琳,梁峰宁,赵藤,曹亚茹,王淋,朱红
-
2025, 60(7):
1321.
doi:10.6040/j.issn.1671-9352.0.2023.550
-
摘要
(
2 )
PDF(2368KB)
(
0
)
收藏
针对目前基于磁共振成像(magnetic resonance imaging, MRI)的胶质瘤异柠檬酸脱氢酶1(isocitrate dehydrogenase 1, IDH1)基因状态预测的深度学习模型中存在的深度网络特征提取不全面、模型存在固有的不确定性等问题,提出基于改进的残差网络(residual network, ResNet)与真值发现的TDA-ResNet(truth discovery divided attention-ResNet)模型。通过分散注意力机制优化ResNet网络模型架构,提取胶质瘤影像局部与全局特征,对胶质瘤IDH1基因状态进行预测;同时在模型中融入真值发现算法,对作为预测结果的深度特征向量进行不确定性校准,提高模型预测准确率。实验数据收集自徐州医科大学附属医院部分胶质瘤患者的MR影像及癌症影像档案(the cancer imaging archive, TCIA)公有数据集。TDA-ResNet模型在徐州医科大学附属医院胶质瘤MR影像数据集及TCIA数据集中的实验准确率分别为95.73%和94.3%。实验结果表明,TDA-ResNet模型可实现对脑胶质瘤IDH1基因状态无创预测及不确定性校准,其性能优于现有的IDH1基因状态深度学习预测模型,对脑胶质瘤临床诊疗具有重要意义。
-
参考文献 |
相关文章 |
多维度评介