基于 VERDICT-MRI 的非侵入性肾细胞癌亚型双深度学习方法
人工智能
2025-04-11 v1 机器学习
摘要
本工作旨在通过扩散 MRI（dMRI）对肾肿瘤微结构进行表征；通过血管、细胞外和限制扩散细胞测序（VERDICT）MRI 框架进行自监督学习。从 14 名患者中获取了包含 15 个活检确认的肾肿瘤的综合数据集，包含 9 个 b 值，范围为 b=[0,2500]s/mm2。使用自监督深度神经网络拟合肾肿瘤的三组分 VERDICT 模型，并由经验丰富的泌尿科放射科医生绘制 ROI。通过递归特征选择方法优化了用于未来大规模患者队列研究的经济采集方案。VERDICT 模型比 IVIM 或 ADC 更准确地描述了肾肿瘤中的扩散数据。结合自监督深度学习，VERDICT 识别出癌症组织与正常组织之间细胞体积分数的显著差异，以及血管与非血管组织之间血管体积分数的差异。特征选择器产生 4 个 b 值采集方案 b=[70,150,1000,2000]，持续时间为14分钟。
关键词
引用
@article{arxiv.2504.07245,
title = {A new training approach for text classification in Mental Health: LatentGLoss},
author = {Korhan Sevinç},
journal= {arXiv preprint arXiv:2504.07245},
year = {2025}
}
备注
10 pages, 3 Figures, 4 Tables