视觉引导注意力增强网络用于预测肝细胞癌中的微血管入侵

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:

• 肝细胞癌 (HCC) 是全球癌症死亡的主要原因,复发率高.
• 微血管侵入 (MVI) 是HCC早期复发和低生存率的关键独立风险因素.
• 准确的手术前MVI预测对于个性化的HCC治疗和预后至关重要.

研究的目的:

• 开发一个先进的深度学习模型,用于精确的手术前预测MVI在HCC.
• 通过将病理采样方法与成像技术相结合,提高MVI预测的可解释性.
• 提高MVI检测在HCC中的预测性能和临床实用性.

主要方法:

• 提出了一个视觉引导的注意力增强网络,将病理"7点"采样策略与MR图像相结合.
• 设计了一个可学习的在线课程激活地图 (CAM),以重点关注高发病率的MVI区域,以扩展瘤面具为指导.
• 整合了注意力增强模块,以学习可解释的图像区域,并捕获MVI预测的远距离依赖关系.

主要成果:

• 拟议的算法在多中心数据集上展示了最先进的性能.
• 以视觉为导向的方法有效地专注于MVI预测的相关病理特征.
• 注意地图为模型的决策过程提供了可解释的见解.

结论:

• 这种新的视觉引导增强注意力网络显著提高了HCC中MVI预测准确度.
• 这种方法为HCC患者的手术前MVI评估提供了更可靠和可解释的方法.
• 这些发现支持将先进的人工智能模型与成像进行集成,以改善癌症患者的管理.