一个基于多模式数据的模型用于乳腺癌诊断
Huina Wang1, Lan Wei2, Jianqiang Li3
1School of Computer Science, Beijing University of Technology, Beijing, 100124, China; FutureNeuro Research Ireland Centre, School of Computer Science, University College Dublin, Dublin, D04 V1W8, Ireland.
Computer methods and programs in biomedicine
|February 27, 2026
概括
本研究介绍了功能增强和语义协作对准 (FESCA) 框架,用于使用多式联络数据改进乳腺癌诊断. 费斯卡增强了特征表示和跨模式对齐,超过了准确分类的现有方法.
科学领域:
- 计算生物学是一种计算生物学.
- 医疗信息学医学信息学
- 在瘤学瘤学.
背景情况:
- 多模式数据驱动的诊断系统对于改善乳腺癌的结果至关重要.
- 多模式数据分析的挑战包括语义异质性,尺度差异和跨模式对齐困难.
- 现有的融合方法往往无法捕捉细粒度的语义和组织病理学和基因组数据之间的复杂相互作用.
研究的目的:
- 为乳腺癌开发一个先进的多式联络诊断框架.
- 为了解决当前多式联运特征融合和跨式联运对齐技术的局限性.
- 提高乳腺癌分类的准确性和稳定性,使用综合的遗传病理和基因组数据.
主要方法:
- 提出功能增强和语义协作调整 (FESCA) 框架.
- 使用语义引导模式功能增强机制用于病理图像和基因组数据.
- 采用对比式学习来实现跨模式对齐到统一的语义空间.
- 实施适应性特征表示的多式联动诊断策略.
主要成果:
- 与TCGA-BRCA数据集上最先进的方法相比,FESCA在乳腺癌分类方面表现优越.
- 该框架显著提高了模式内代表性的质量.
- 通过提出的方法,可以实现改进的跨模态语义对齐.
结论:
- 费斯卡框架为多模式乳腺癌诊断提供了一个强大的方法.
- 一个基于网络的系统可视化了FESCA模型被开发用于实际的临床应用.
- 这项工作为未来的瘤多式联络诊断系统开发提供了基准.


