乳がん診断のためのマルチモーダルデータベースモデル

科学分野:

• 計算生物学
• 医療情報学
• 腫瘍学

背景:

• マルチモーダルデータ駆動型診断システムは、乳がんの転帰を改善するために重要です。
• マルチモーダルデータ分析における課題には、意味的異質性、スケールの不一致、クロスモーダルアライメントの困難さが含まれます。
• 既存の融合方法は、組織病理学的データとゲノムデータの間の微細な意味と複雑な相互作用を捉えられないことがよくあります。

研究 の 目的:

• 乳がんのための高度なマルチモーダル診断フレームワークを開発すること。
• 現在のマルチモーダル特徴融合およびクロスモーダルアライメント技術の限界に対処すること。
• 組織病理学的およびゲノムデータを統合して、乳がん分類の精度と堅牢性を向上させること。

主な方法:

• 特徴強化および意味的協調アライメント（FESCA）フレームワークを提案します。
• 病理画像とゲノムデータのための意味ガイド付きモダリティ特徴強化メカニズムを利用します。
• 対照学習を使用して、統一された意味空間へのクロスモーダルアライメントを行います。
• 適応的特徴表現のためのマルチモーダル協調診断戦略を実装します。

主要な成果:

• FESCAは、TCGA-BRCAデータセットで最先端の方法と比較して、乳がん分類において優れたパフォーマンスを示します。
• このフレームワークは、モダリティ内表現の品質を大幅に向上させます。
• 提案された方法により、クロスモーダル意味アライメントが改善されます。

結論:

• FESCAフレームワークは、マルチモーダル乳がん診断のための堅牢なアプローチを提供します。
• FESCAモデルを視覚化するウェブベースのシステムが、実際の臨床応用のために開発されました。
• この研究は、腫瘍学における将来のマルチモーダル診断システム開発のためのベンチマークを提供します。