典型文献
基于3D深度残差网络和多模态MRI的脑胶质瘤自动分级
文献摘要：
目的:利用3D深度残差网络和多模态MRI实现对脑胶质瘤的自动分级.方法:利用BraTS2020公共数据集的293例高级别胶质瘤(HGG)和76例低级别胶质瘤(LGG)的多模态MRI数据训练和测试3D深度残差卷积网络模型.多模态MRI图像经过3D剪裁、重采样和归一化的预处理,随机分组为训练(64％)、验证(16％)和测试(20％)样本,将预处理后的多模态MRI图像和分级标注输入到网络模型进行训练、验证和测试.利用准确率(ACC)和受试者工作特征(ROC)曲线下面积(AUC)评价分级结果.结果:在59例(48例HGG和11例LGG)验证数据集上,ACC和AUC分别为0.93和0.97,在75例(62例HGG和13例LGG)测试数据集上,ACC和AUC分别为0.89和0.93.结论:3D深度残差网络在多模态MRI数据集上获得了较好的脑胶质瘤自动分级结果,可以为确定治疗方案和预测预后方面提供重要参考.
文献关键词：
脑胶质瘤;自动分级;3D深度残差网络;多模态MRI
中图分类号：
作者姓名：
王瑞;刘志强;齐崇;孟蓝熙;李少武
作者机构：
北京市神经外科研究所/首都医科大学附属北京天坛医院,北京100070;国家癌症中心/国家肿瘤临床医学研究中心/中国医学科学院北京协和医学院肿瘤医院放疗科,北京100021
文献出处：
引用格式：
[1]王瑞;刘志强;齐崇;孟蓝熙;李少武-.基于3D深度残差网络和多模态MRI的脑胶质瘤自动分级)[J].中国医学物理学杂志,2022(10):1236-1243
A类：
B类：
深度残差网络,脑胶质瘤,自动分级,BraTS2020,公共数据,高级别胶质瘤,HGG,低级别胶质瘤,LGG,数据训练,残差卷积,卷积网络,剪裁,重采样,ACC,受试者工作特征,测试数据,预测预后
AB值：
0.226229
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。
