基于 Vision Transformer 的胶质母细胞瘤总生存期预测
计算机视觉与模式识别
2025-12-17 v2
摘要
胶质母细胞瘤是最具侵袭性且最常见的脑肿瘤之一，中位生存期为 10-15 个月。预测总生存期（OS）对于个性化治疗策略及使临床决策与患者预后相一致至关重要。在本研究中，我们提出了一种新颖的人工智能（AI）方法，利用磁共振成像（MRI）图像进行 OS 预测，利用 Vision Transformer（ViT）直接从 MRI 图像中提取隐藏特征，从而无需肿瘤分割。与传统方法不同，我们的方法简化了工作流程并降低了计算资源需求。所提出的模型在 BRATS 数据集上进行了评估，在测试集上达到了 62.5% 的准确率，与表现顶尖的方法相当。此外，该模型在精确率、召回率和 F1 分数上表现出均衡的性能，在这些指标上超越了最佳模型。数据集大小限制了 ViT 的泛化能力，与卷积神经网络相比，ViT 通常需要更大的数据集。在所有引用的研究中均观察到了这种泛化局限性。本研究突出了 ViT 在降采样医学成像任务中的适用性，并为计算高效且不依赖分割的 OS 预测模型奠定了基础。
引用
@article{arxiv.2508.02439,
title = {Glioblastoma Overall Survival Prediction With Vision Transformers},
author = {Yin Lin and Riccardo Barbieri and Domenico Aquino and Giuseppe Lauria and Marina Grisoli and Elena De Momi and Alberto Redaelli and Simona Ferrante},
journal= {arXiv preprint arXiv:2508.02439},
year = {2025}
}
备注
4 pages, 4 figures, EMBC2025