脑肿瘤放射基因组学分类
图像与视频处理
2024-01-19 v1 计算机视觉与模式识别
机器学习
摘要
RSNA-MICCAI 脑肿瘤放射基因组学分类挑战赛旨在通过对多参数 mpMRI 扫描（T1w、T1wCE、T2w 和 FLAIR）进行二分类来预测胶质母细胞瘤中的 MGMT 生物标志物状态。数据集被划分为三个主要队列：训练集和验证集在训练期间使用，而测试集仅在最终评估时使用。图像为 DICOM 格式或 Png 格式。研究使用了不同的架构来探讨该问题，包括 Vision Transformer 的 3D 版本（ViT3D）、ResNet50、Xception 和 EfficientNet-B3。AUC 作为主要评估指标，结果显示 ViT3D 和 Xception 模型均表现出优势，在测试集上分别达到 0.6015 和 0.61745。与其他结果相比，考虑到任务的复杂性，我们的结果被证明是有效的。通过探索不同的策略、不同的架构和更多样化的数据集，可以取得进一步的改进。
引用
@article{arxiv.2401.09471,
title = {Brain Tumor Radiogenomic Classification},
author = {Amr Mohamed and Mahmoud Rabea and Aya Sameh and Ehab Kamal},
journal= {arXiv preprint arXiv:2401.09471},
year = {2024}
}
备注
6 Pages with 4 Tables, 4 Figures and 4 Images