放射组学与深度特征自适应融合用于肺腺癌亚型识别
图像与视频处理
2024-08-28 v2 计算机视觉与模式识别
摘要
最常见的肺癌类型肺腺癌（LUAD）自低剂量计算机断层扫描筛查技术问世以来检出率日益增高。在临床实践中，根据癌亚型，浸润前LUAD（Pre-IAs）仅需定期随访，而浸润性LUAD（IAs）应及时接受适当的肺癌切除术治疗。然而，既往LUAD诊断研究主要集中于Pre-IAs/IAs的分类，缺乏区分IAs不同亚型的技术。本研究提出一种多头注意力特征融合（MHA-FF）模型，不仅用于区分IAs与Pre-IAs，也用于区分IAs的不同亚型。为准确预测每个结节的亚型，我们利用从计算机断层扫描图像中提取的放射组学特征与深度特征。此外，这些特征通过自适应融合模块进行聚合，该模块可学习基于注意力的判别性特征。我们所提方法的实用性通过多中心队列收集的真实世界数据得以证明。
引用
@article{arxiv.2308.13997,
title = {Adaptive Fusion of Radiomics and Deep Features for Lung Adenocarcinoma Subtype Recognition},
author = {Jing Zhou and Xiaotong Fu and Xirong Li and Ying Ji},
journal= {arXiv preprint arXiv:2308.13997},
year = {2024}
}
备注
7 pages, 5 figures and 4 tables