一种多模态深度学习方法,用于预测鼻癌患者适应性辐射治疗的资格
Zhichun Li1, Zihan Li1, Sai Kit Lam2,3
1Department of Health Technology and Informatics, The Hong Kong Polytechnic University, Hong Kong SAR, China.
Cancers
|July 29, 2025
概括
这项研究开发了一种深度学习模型,用于预测鼻癌 (NPC) 患者适应性辐射治疗 (ART) 的资格. 人工智能模型准确地识别候选人,提高治疗效率和个性化.
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:
- 适应性辐射疗法 (ART) 可以改善鼻癌 (NPC) 的预后.
- 由于解剖学变异性,患者选择ART具有挑战性,影响治疗时间和放射科医生的工作量.
研究的目的:
- 使用分类神经网络,在放射治疗 (RT) 之前预测NPC患者的符合条件的ART候选人.
- 利用合并的医学成像和临床数据来有效地选择ART候选人.
主要方法:
- 分析了305名接受RT的NPC患者的回顾性数据.
- 开发了一个多模分类神经网络,结合ResNet-50,交叉注意力,多尺度特征和临床数据.
- 患者根据ART重新规划状态进行分类.
主要成果:
- 拟议的多模式深度预测模型实现了0.9070.0的AUC.
- 该模型在预测ART资格方面,与其他深度学习网络相比,表现优越.
- 实现了对NPC患者ART资格的准确分类和预测.
结论:
- 开发的方法在预测NPC患者的ART资格方面表现强.
- 这种方法有可能提高临床决策和优化治疗效率.
- 这些发现支持通过人工智能驱动的预测来推进个性化癌症护理.
更多相关视频
07:15Machine Learning Algorithms for Early Detection of Bone Metastases in an Experimental Rat Model
Published on: August 16, 2020
6.9K
07:13Comparison of Predictive Performance of Three Lymph Node Staging Systems in Colorectal Signet Ring Cell Carcinoma Based on Machine Learning Model
Published on: April 18, 2025
194
