典型文献
基于VGG网络多模态融合的非小细胞肺癌复发预测
文献摘要：
传统方法预测肺癌患者术后复发通常使用PET/CT图像或临床数据等单一模态信息,而文章在卷积神经网络VGG模型的基础上研究了多模态融合的潜力,通过结合PET/CT图像信息、临床数据和影像组学信息对肺癌复发实现了更好的预测.实验结果表明,对160名患者的NSCLC放射基因组学数据集进行研究时使用三种模态信息预测NSCLC患者复发性能达到最佳,其准确率为84.38％,精确率为82.76％,召回率为68.75％,AUC为79.69％.
文献关键词：
非小细胞肺癌;PET/CT图像;临床;影像组学;复发预测
中图分类号：
作者姓名：
宋玥;李兵;马亚楠
作者机构：
兰州财经大学信息工程学院,甘肃兰州 730020
文献出处：
引用格式：
[1]宋玥;李兵;马亚楠-.基于VGG网络多模态融合的非小细胞肺癌复发预测)[J].现代信息科技,2022(24):78-81
A类：
B类：
VGG,多模态融合,非小细胞肺癌,复发预测,肺癌患者,术后复发,PET,临床数据,模态信息,图像信息,影像组学,NSCLC,基因组学,组学数据,信息预测,复发性,达到最佳,精确率,召回率
AB值：
0.293237
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。
