罗三角洲网络与多模式融合,用于预测胰腺癌的系统治疗反应

科学领域:

• 在瘤学瘤学.
• 医疗成像医学成像
• 人工智能的人工智能

背景情况:

• 系统治疗对于不可切除的胰腺癌至关重要,但预测患者的反应仍然具有挑战性.
• 计算机断层扫描 (CT) 影像提供了一种非侵入性方法来评估治疗反应,与放射学,瘤标志物和电子病历 (EMR) 一起.
• 整合多样化的数据来源是提高系统治疗反应预测准确性的关键.

研究的目的:

• 开发和评估一种新的深度学习模型,用于预测胰腺癌患者的全身治疗反应.
• 将CT成像功能与非图像数据 (EMR,分析结果) 结合起来,以提高预测性能.
• 为了验证多模式融合方法对单模式预测的有效性.

主要方法:

• 提出了一个罗三角洲网络与多模式融合 (SDN-MF) 进行端到端预测.
• 利用罗三角洲网络 (SDN) 来分析CT图像的变化 (治疗前与手术前).
• 通过多模式融合 (MF) 模块集成的非图像数据 (EMR,替代分析结果).

主要成果:

• SDN-MF模型实现了0.883的平均曲线下的面积 (AUC),在私人数据集上进行了五倍的交叉验证.
• 对比分析表明,多模式融合模型的性能优越.
• 拟议的模型有效地结合了图像和非图像数据,以提高预测准确度.

结论:

• SDN-MF模型对准确预测胰腺癌的全身治疗反应有显著的前景.
• 与仅使用成像或非成像数据相比,多模式融合显著提高了预测能力.
• 这种方法可以帮助为胰腺癌患者提供个性化的治疗策略,这些患者无法接受手术.