在鼻癌中通过基于深度学习的多模式分类进行有效的T分期
1The Second Clinical College of Guangzhou University of Chinese Medicine, Guangzhou, Guangdong, China; Integrated Chinese and Western Treatment of Oncology Department, Central Hospital of Guangdong Provincial Nongken, Zhanjiang, Guangdong, China.
European journal of radiology
|September 13, 2025
概括
这项研究引入了使用多模式学习进行鼻癌 (NPC) T阶段的自动化系统. 人工智能方法整合了MRI图像和报告,以实现更快,更准确的分期,改善临床决策.
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:
- 鼻癌 (NPC) 的精确T分期对于个性化治疗至关重要,但在时间消耗和观察者可变性方面面临挑战.
- 开发一个高效的,自动化的T分期系统对于优化临床工作流程和患者护理至关重要.
研究的目的:
- 开发一种高效和自动化的T分期系统,用于鼻癌 (NPC).
- 通过多模式学习方法提高NPC T分期的准确性和一致性.
主要方法:
- 一个多模式的学习框架,整合了609名NPC患者的MRI图像和报告.
- 使用视觉转换器 (ViT) 进行视觉特征,BERT用于文本特征,Q-Former用于数据融合.
- 对于复杂的分阶段挑战,采用了层次分类策略 (DeepTree).
主要成果:
- 通过Q-Former集成图像和文本的多模式方法显著优于单模式方法.
- IT-DTM-BLIP2模型的准确度为0.787,AUC值为0.815 (T2与T3/T4) 和0.876 (T3与T4).
结论:
- 开发的多模式方法为NPC T分期提供了强大的自动化解决方案,消除了手动瘤划分的需要.
- 这种自动化系统简化了临床工作流程,减少了主观性,并支持决策,以提高效率和一致性.
