典型文献
深度多尺度不变特征网络预测胶质瘤1p/19q缺失状态
文献摘要:
准确预测胶质瘤染色体1p/19q的缺失状态对于制定合适的治疗方案和评估胶质瘤的预后有着重要的意义.虽然已有研究能够基于磁共振图像和机器学习方法实现胶质瘤1p/19q状态的准确预测,但大多数方法需要事先准确勾画肿瘤边界,无法满足计算机辅助诊断的实际需求.因此,提出一种深度多尺度不变特征网络(deep multi-scale invariant features-based network,DMIF-Net)预测1p/19q的缺失状态.首先利用小波散射网络提取多尺度、多方向不变特征,同时基于深度分离转聚合网络提取高级语义特征,然后通过多尺度池化模块对特征进行降维并融合,最后在仅输入肿瘤区域定界框图像的情况下,实现胶质瘤1p/19q状态的准确预测.实验结果表明,在不需要准确勾画肿瘤边界的前提下,DMIF-Net预测胶质瘤1p/19q缺失状态的AUC(area under curve)可达0.92(95%CI=[0.91,0.94]),相比于最优的主流深度学习模型其AUC增加了4.1%,灵敏度和特异性分别增加了4.6%和3.4%,相比于最好的胶质瘤分类前沿模型,其AUC与精度分别增加了4.9%和5.5%.此外,消融实验证明了本文所提出的多尺度不变特征提取网络可以有效地提高模型的预测性能,说明结合深度高级语义特征和多尺度不变特征可以在不勾画肿瘤边界的情况下,显著增加对胶质瘤1p/19q缺失状态的预测能力,进而为低级别胶质瘤的个性化治疗方案制定提供一种辅助手段.
文献关键词:
胶质瘤;1p/19q;深度学习;小波散射;多尺度不变特征
中图分类号:
作者姓名:
陈祈剑;王黎;郭顺超;邓泽宇;张健;王丽会
作者机构:
贵州省智能医学影像分析与精准诊断重点实验室(贵州大学计算机科学与技术学院),贵州贵阳550025;贵州大学计算机科学与技术学院,贵州贵阳550025;黔南民族师范学院计算机与信息学院,贵州都匀558000
文献出处:
引用格式:
[1]陈祈剑;王黎;郭顺超;邓泽宇;张健;王丽会-.深度多尺度不变特征网络预测胶质瘤1p/19q缺失状态)[J].软件学报,2022(12):4559-4573
A类:
多尺度不变特征,DMIF,小波散射
B类:
1p,19q,准确预测,磁共振图像,机器学习方法,事先,勾画,肿瘤边界,计算机辅助诊断,deep,multi,scale,invariant,features,network,Net,多方向,聚合网络,高级语义特征,尺度池,池化,肿瘤区,定界,框图,area,under,curve,深度学习模型,消融实验,特征提取网络,预测性能,预测能力,低级别胶质瘤,个性化治疗方案,方案制定,辅助手段
AB值:
0.220674
相似文献
机标中图分类号,由域田数据科技根据网络公开资料自动分析生成,仅供学习研究参考。