适应视觉语言转换器用于多模式中枢神经系统瘤诊断
Inzamam Mashood Nasir1, Hend Alshaya2, Sara Tehsin1
1Faculty of Informatics, Kaunas University of Technology, 51368 Kaunas, Lithuania.
Biomedicines
|December 30, 2025
概括
本研究介绍了自适应视觉语言转换器 (AVLT),用于使用MRI和临床数据改进中枢神经系统 (CNS) 瘤识别. 在不同的数据集中,AVLT提高了诊断的准确性和可靠性.
科学领域:
- 神经成像是一种神经成像.
- 人工智能的人工智能
- 医学诊断 医学诊断 医学诊断
背景情况:
- 精确的中枢神经系统 (CNS) 瘤鉴定受到各种MRI协议,瘤异质性和将成像与临床数据整合的困难的挑战.
- 现有的诊断模型难以应对领域转移,缺乏强大的多式联接融合能力.
研究的目的:
- 开发和验证适应视觉语言转换器 (AVLT),一个新的多式联络诊断基础设施.
- 通过将多序MRI与临床笔记集成,提高中枢神经系统瘤诊断的准确性,稳定性和可解释性.
- 为了应对不同MRI采集协议和不平等的瘤形态所带来的挑战.
主要方法:
- 该AVLT模型集成了多序MRI (T1,T1c,T2,FLAIR) 和临床笔记文本,使用正常化交叉注意力进行联合处理.
- 使用自适应规范化模块 (ANM) 通过调整特征统计来减轻跨数据集的分布转移.
- 添加了辅助语义和对齐损失,以稳定多式联接.
主要成果:
- 与现有的基于CNN,变压器,放射基因组和多模式融合模型相比,AVLT在多个数据集中显示出更高的分类准确性.
- 实现了高准确率:在BraTS (OS) 上达到84.6%,在TCGA-GBM/LGG上达到92.4%,在REMBRANDT上达到89.5%,在GLASS上达到90.8%.
- 在所有评估领域中,实现的曲线下面积 (AUC) 值超过90%,表明表现强.
结论:
- AVLT提供了一种可靠和可泛化的方法,用于准确诊断中枢神经系统瘤.
- 模型的解释性得到了增强,提供了临床上可行的见解.
- 这种多式诊断基础设施代表了神经瘤学成像分析的重大进步.
