多模式融合网络,以内部和跨模式的关注,用于预测乳腺癌的预后
Honglei Liu1, Yi Shi1, Ao Li1
1School of Information Science and Technology, University of Science and Technology of China, Hefei 230027, China.
Computers in biology and medicine
|December 8, 2023
概括
这项研究引入了一个新的基于注意力的网络,用于预测乳腺癌的预后. 它有效地将基因组和成像数据融合在一起,通过建模特定和跨模式关系,提高准确性.
科学领域:
- 在瘤学瘤学.
- 生物信息学是一种生物信息学.
- 医疗成像医学成像
背景情况:
- 准确的乳腺癌预后对于治疗计划和患者的治疗结果至关重要.
- 多模式数据融合 (基因组和病理图像) 显示出改善预后预测的前景.
- 现有的融合方法面临着诸如高计算成本和忽视模式特定关系等挑战.
研究的目的:
- 提出一种基于注意力的多模式网络,用于准确预测乳腺癌的预后.
- 在没有高维特征扩展的情况下,高效地建模特定模式和跨模式关系.
- 解决癌症预后中现有的多模式融合技术的局限性.
主要方法:
- 开发了一种新的基于注意力的多模式网络,集成基因组数据和病理图像.
- 采用了模式内自我注意模块和模式间交叉注意模块.
- 整合了隐性空间转换和适应性融合块,以实现高效的关系建模.
主要成果:
- 拟议的方法有效地捕捉到模式特异性和跨模式关系.
- 该网络有效地整合了基因组和病理图像数据.
- 实验结果表明,与最先进的方法相比,性能优越.
结论:
- 这种新的以注意力为基础的网络准确地预测了乳腺癌的预后.
- 该方法为瘤学中的多模式数据融合提供了一种有效的方法.
- 这项工作推动了计算癌症预后领域的发展.
更多相关视频
07:13Author Spotlight: An Efficient and Robust Software for Automated Fusion of Multiple Preclinical Imaging Modalities
Published on: October 27, 2023
1.2K
06:08A Cognitive Fusion-guided Prostate Biopsy Using Multiparametric Magnetic Resonance Imaging and Transrectal Ultrasound
Published on: March 21, 2025
234
