CFINet:用于预测质母细胞瘤伪进展的跨模式MRI特征交互网络
1Xinjiang Engineering Research Center of Big Data and Intelligent Software, School of Software, Xinjiang University, Wulumuqi, China.
概括
准确预测质母细胞瘤中的伪进展 (PSP) 是至关重要的. 这项研究引入了一个新的跨模式MRI网络,有效地整合了互补的成像数据,提高了PSP预测的准确性.
科学领域:
- 神经瘤学神经瘤学
- 医疗成像医学成像
- 人工智能的人工智能
背景情况:
- 伪进展 (PSP) 是质母细胞瘤的治疗反应,可以被误诊,导致不必要的干预.
- 磁共振成像 (MRI) 用于PSP预测,但有效利用互补的跨模式信息仍然是一个挑战.
研究的目的:
- 开发和评估一种新的跨模式特征交互网络,以改善质母细胞瘤伪进展的预测.
- 为应对整合跨模式MRI扫描的补充信息的挑战.
主要方法:
- 一个三分支多级模块提取低级特征,一个跳过连接的多级模块提取高级特征.
- 一个跨模式交互模块,利用注意力机制,促进互补的MRI数据之间的交互.
- 高级交叉模式交互信息由多层感知器处理,用于PSP预测.
主要成果:
- 拟议的网络在两个独立的数据集上预测PSP方面取得了高准确性.
- 在湖南癌症医院和阳医院数据集中,分别报告了0.954和0.929的准确率.
- 性能超过了典型的卷积神经网络和基于交互的方法.
结论:
- 开发的跨模式特征交互网络有效地利用补充的MRI信息来准确预测质母细胞瘤中的PSP.
- 这种方法为减少误诊和优化质母细胞瘤患者治疗策略提供了一个有希望的解决方案.
