CRCFound:基于自我监督学习的结肠直肠癌CT图像基础模型
Jing Yang1, Du Cai2,3,4, Junwei Liu5
1National Institute for Data Science in Health and Medicine, Xiamen University, Xiamen, 361005, China.
Advanced science (Weinheim, Baden-Wurttemberg, Germany)
|August 12, 2025
概括
一个新的自主监督学习模型CRCFound,通过CT扫描改善了结直肠癌 (CRC) 的诊断. 它解决了数据的局限性,提高了诊断准确性和CRC患者的个性化治疗.
科学领域:
- 医疗成像医学成像
- 人工智能的人工智能
- 在瘤学瘤学.
背景情况:
- 准确的风险分层对于结直肠癌 (CRC) 治疗至关重要.
- 目前的深度学习模型在CRC诊断方面扎,原因是注释数据有限,通用性差.
研究的目的:
- 为CRC推出CRCFound,这是一个基于自主监督学习的CT图像基础模型.
- 为了克服CRC深度学习模型中注释数据不足的挑战.
主要方法:
- 通过自主监督学习,CRCFound 在5137张未标记的CRC CT图像上进行了预训练.
- 在六个诊断和两个预后任务中测试了模型的适应性.
主要成果:
- CRCFound在各种CRC相关任务中表现出强大的性能和概括能力.
- 该模型有效地将学习转移到大多数CRC诊断和预后任务中.
- 它成功地解决了有限的注释数据的问题.
结论:
- CRCFound为准确的CRC诊断和个性化的治疗提供了一个有前途的解决方案.
- 基础模型显示了改善CRC临床应用的巨大潜力.
- 它增强了CRC CT图像的特征表示学习.
更多相关视频
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
11:43Advanced Animal Model of Colorectal Metastasis in Liver: Imaging Techniques and Properties of Metastatic Clones
Published on: November 30, 2016
12.8K
