深波散射直角融合网络用于质瘤IDH突变状态预测和预测
Qijian Chen1, Lihui Wang1, Zhiyang Xing2
1Engineering Research Center of Text Computing & Cognitive Intelligence, Ministry of Education, Key Laboratory of Intelligent Medical Image Analysis and Precise Diagnosis of Guizhou Province, State Key Laboratory of Public Big Data, College of Computer Science and Technology, Guizhou University, Guiyang 550025, China.
Computers in biology and medicine
|September 29, 2023
概括
预测结质瘤中异酸脱酶 (IDH) 突变状态对于治疗至关重要. 一个新的基于波纹散射的直角聚变网络 (WSOFNet) 从多模式MRI准确预测IDH状态,在多中心数据集上表现优于现有的方法.
科学领域:
- 神经瘤学神经瘤学
- 医疗成像医学成像
- 机器学习 机器学习
背景情况:
- 准确预测质瘤中异酸脱酶 (IDH) 突变状态对于患者的治疗和预后至关重要.
- 现有的多模式磁共振 (MR) 成像和机器学习方法在充分利用多模式信息和在多个中心进行概括方面面临挑战.
研究的目的:
- 从多中心数据集开发一种基于波纹散射 (WS) 的新型直角融合网络 (WSOFNet),用于从多中心数据集中对质瘤的强大IDH突变状态进行预测.
- 加强多式联络信息的探索,提高结质瘤的预测准确度.
主要方法:
- 使用WS网络从多式MR图像中提取变换不变特征.
- 将WS特征输入WSOFNet,使用自适应多式特征融合模块 (AMF2M) 和直角投影模块 (OPM) 进行特征融合.
- 在特征提取过程中利用四个辅助损失来进一步提高预测准确度.
主要成果:
- 在单中心数据集上,WSOFNet实现了0.9966的曲线下的面积 (AUC),在多中心数据集上约为0.9655.
- 该模型在多中心数据集上至少比最先进的方法改进了3.9%.
- 废弃性研究证实了自适应多式模式特征融合策略与直角投射的有效性,特别是在外部验证方面.
结论:
- 拟议的WSOFNet有效地使用多模式MRI图像预测质瘤中的IDH突变状态,即使在多个中心.
- 基于WS的特征提取和直角融合策略显著提高了预测性能,为临床应用提供了有前途的工具.
