基于注意力机制的多参数MRI组合模型,用于预测直肠癌患者的瘤芽度
Jianye Jia1, Yue Kang2, Jiahao Wang1
1Department of Radiology, Beijing Friendship Hospital, Capital Medical University, Beijing, China.
Abdominal radiology (New York)
|April 1, 2025
概括
使用多参数MRI的新型深度学习模型有效地预测了直肠癌患者的瘤芽分级. 这种先进的成像融合方法有助于个性化治疗和预后.
科学领域:
- 放射学和瘤成像学成像学
- 人工智能在医学中的应用
- 医学诊断 医学诊断 医学诊断
背景情况:
- 瘤芽 (TB) 的分级对于直肠癌 (RC) 的预后和治疗决策至关重要.
- 与传统方法相比,对结核病分类的准确手术前评估仍然具有挑战性.
研究的目的:
- 开发和验证基于深度学习的特征组合模型,使用多参数磁共振成像 (MRI) 来预测直肠癌 (RC) 患者的瘤芽 (TB) 分级.
主要方法:
- 分析了来自三个机构的458名直肠癌患者的回顾性队列.
- 基于CrossFormer架构,使用T2加权成像 (T2WI) 和扩散加权成像 (DWI) 构建了深度学习模型.
- 基于注意力机制的变压器模块被用于特征组合,创建一个多参数的融合模型.
主要成果:
- 多参数组合模型实现了优异的性能,AUC值为0.868 (内部验证) 和0.839 (外部验证).
- 单序模型 (T2WI和DWI) 与组合模型相比显示较低的AUC值.
- 决策曲线分析表明,融合模型的临床净益显著更高.
结论:
- 基于注意力机制的多参数MRI融合模型提供了更有效的个性化预测RC患者的结核病分级与单序模型相比.
- 这种方法为治疗选择和预后评估提供了宝贵的指导.
- 它支持基于成像发现的个性化术后后续调整.
