预测肺癌的淋巴结转移:一个两阶段的多模式数据融合方法

科学领域:

• 在瘤学瘤学.
• 医疗成像医学成像
• 数据科学数据科学数据科学

背景情况:

• 肺癌是全球癌症死亡的主要原因之一.
• 精确的淋巴结转移 (LNM) 诊断对于肺癌治疗计划至关重要,但在手术前具有挑战性.
• 当前的多式联运数据融合模型可能会在表现不佳的单个数据类型中出现问题.

研究的目的:

• 开发一种改进的多式联络数据融合方法,用于预测肺癌淋巴结转移 (LNM).
• 解决多模式模型中的性能退化问题,当一个数据模式较弱时.

主要方法:

• 提出了一个两阶段的多式联运数据融合战略.
• 首先建立了单模式预测模型.
• 来自单模模型的冷编码器被用作重新训练的解码器的特征提取器,以实现融合.

主要成果:

• 拟议的两阶段融合方法超过了现有的最先进的LNM预测模型.
• 该方法与其他多式联络融合策略相比,显示出更高的性能.
• 在681名肺癌患者的临床数据上验证了有效性.

结论:

• 开发的两阶段融合方法是肺癌LNM预测中的多式联络数据融合的强大解决方案.
• 当图像数据具有有限的辨别能力时,这种方法尤其有利.