自主监督的多级多模态图表池变压器用于Sellar区域瘤诊断

科学领域:

• 神经成像是一种神经成像.
• 人工智能在医学中的应用
• 在瘤学瘤学.

背景情况:

• 细胞区域瘤会影响中枢神经系统,需要早期和准确的诊断,以有效治疗和恢复患者.
• 磁共振成像 (MRI) 对于检测细胞区域瘤至关重要,但由于有限和不平衡的数据集,挑战仍然存在.
• 目前的诊断方法与细胞区域瘤多模态MRI数据的复杂性作斗争.

研究的目的:

• 提出一种新的自我监督的多级多模态图池变换器 (MMGPT) 网络,用于增强细胞区域瘤的分类.
• 改进细胞区域瘤的小型和不平衡的多模态MRI数据的融合.
• 通过先进的深度学习技术,提高细胞区域瘤诊断的稳定性和准确性.

主要方法:

• 开发一个新的自我监督的多级多模态图表池变压器 (MMGPT) 网络.
• 实现自主监督学习 (SSL) 的对比学习装备自动编码器 (CAE),以提取详细的样本间信息.
• 使用混合损失函数来减轻因数据不平衡而导致的性能下降.

主要成果:

• 拟议的MMGPT网络在细胞区域瘤分类方面表现优于最先进的方法.
• 该模型在分类细胞区域瘤方面获得了更高的准确性和曲线下面积 (AUC).
• 多模态MRI数据之间的增强特征交互导致了更强大的诊断模型.

结论:

• 该MMGPT网络有效地解决了小和不平衡的数据集在细胞区域瘤诊断的挑战.
• 自主监督学习和多模式融合是提高细胞区域瘤诊断精度的关键.
• 拟议的方法为使用MRI早期和准确检测细胞区域瘤提供了有希望的进步.