基于多模态临床数据的肝细胞癌诊断机器学习基准
计算机视觉与模式识别
2025-01-22 v1
摘要
本文旨在为在肝细胞癌（HCC）上提供的新型开放多模态数据集上进行多模态数据分类提供基准。该数据集包括图像数据（对比增强 CT 和 MRI 图像）和表格数据（临床实验室检测数据以及病例报告表）。TNM 分期是分类任务。收集来自向量化预处理后的表格数据的特征以及来自对比增强 CT 和 MRI 图像的放射组特征。基于互信息进行特征选择。使用 XGBoost 分类器预测 TNM 分期，其预测准确率为 ，AUC 为 。该分类器表明，只有将图像和临床实验室数据相结合才能获得如此高的预测准确率，因此是实现准确结果所必需的多模型分类的良好示例案例。
关键词
引用
@article{arxiv.2501.11535,
title = {A baseline for machine-learning-based hepatocellular carcinoma diagnosis using multi-modal clinical data},
author = {Binwu Wang and Isaac Rodriguez and Leon Breitinger and Fabian Tollens and Timo Itzel and Dennis Grimm and Andrei Sirazitdinov and Matthias Frölich and Stefan Schönberg and Andreas Teufel and Jürgen Hesser and Wenzhao Zhao},
journal= {arXiv preprint arXiv:2501.11535},
year = {2025}
}