基于深度学习的计算机视觉模型用于多模态医学影像和放射基因组集成框架的早期癌症检测
计算机视觉与模式识别
2025-12-02 v1 人工智能
摘要
早期癌症检测是现代医疗中最关键的挑战之一，延迟诊断显著降低生存率。近期的人工智能进展，特别是深度学习，已在医学影像分析中实现变革性进展。深度学习驱动的计算机视觉模型，如卷积神经网络（CNN）、Transformer 和混合注意力架构，可自动从包括 MRI、CT、PET、乳腹X光、组织病理和超声在内的多模态影像数据中提取复杂的空间、形态和时序特征。这些模型超越了传统放射学评估，通过识别人类肉眼难以察觉的细微组织异常和肿瘤微环境变化。从更广泛的尺度来看，多模态影像与放射基因组的集成，将定量影像特征与基因组、转录组和表观基因组生物标志物相链接，引入了个人化肿瘤学的新范式。这种放射基因组融合允许预测肿瘤基因型、免疫反应、分子亚型和治疗抵抗，而无需侵入性活检。
引用
@article{arxiv.2512.00714,
title = {Deep Learning-Based Computer Vision Models for Early Cancer Detection Using Multimodal Medical Imaging and Radiogenomic Integration Frameworks},
author = {Emmanuella Avwerosuoghene Oghenekaro},
journal= {arXiv preprint arXiv:2512.00714},
year = {2025}
}