PMSG-Net:一个先验引导的多层图形变压器融合网络,用于免疫疗法疗效预测
Wanting Yang1, Wei Wu2, Long Wang3
1College of Information and Computer, Taiyuan University of Technology, 030000, Taiyuan, Shanxi, China.
Computers in biology and medicine
|August 16, 2023
概括
从CT扫描中预测免疫疗法的疗效至关重要. 使用图形神经网络和变压器的新型PMSG-Net有效地分析瘤特征,优于现有的方法以更好地选择患者治疗.
科学领域:
- 放射学 放射学是一门学科.
- 人工智能的人工智能
- 在瘤学瘤学.
背景情况:
- 预测使用治疗前CT扫描的免疫疗法疗效对于个性化医学至关重要.
- 目前的方法由于微妙的图像变化而难以区分预后,并忽视瘤周围结构.
- 准确的预测需要将瘤边缘特征与全面的3D瘤信息相结合.
研究的目的:
- 开发一种可靠和可解释的智能图像生物标志物,用于预测免疫疗法疗效.
- 提出一个新的网络,PMSG-Net,它融合了瘤边缘和全球3D信息.
- 改善免疫治疗的患者分层和治疗选择.
主要方法:
- 一个先验指导的多层图形变压器融合网络 (PMSG-Net) 被开发出来.
- 图形卷积网络提取了瘤边缘特征,增强了全球表示.
- 一个带有多跳式上下文意识注意力 (MCA) 的级联尺度增强的swin变压器捕获了多尺度的空间和语义依赖关系.
主要成果:
- 与主流方法相比,拟议的PMSG-Net在预测免疫疗法疗效方面表现优越.
- 该网络成功地将详细的瘤边缘信息与丰富的3D瘤数据集成在一起.
- 实验结果验证了拟议方法的有效性.
结论:
- PMSG-Net在使用人工智能来预测免疫疗法反应方面取得了重大进展.
- 这种方法为分析CT扫描进行治疗选择提供了更准确和更全面的方法.
- 这是第一个应用图形神经网络来预测免疫疗法疗效的研究,显示出有希望的结果.
