基于薄层CT扫描的肺癌高危因素预测：一种注意力增强图卷积网络方法
图像与视频处理
2023-08-29 v1 计算机视觉与模式识别
摘要
肺癌，尤其是晚期肺癌，仍是全球主要死因。尽管通过低剂量计算机断层扫描（CT）早期检出颇具前景，但识别对手术方式选择至关重要的高危因素仍具挑战。为此，本研究引入注意力增强图卷积网络（AE-GCN）模型，基于术前CT图像对I期肺癌是否存在高危因素进行分类。这将协助外科医生在术前确定最优手术方式。与以往依赖3D块技术表示结节空间特征的研究不同，我们的方法采用GCN模型捕捉肺结节的空间特性。具体而言，我们将结节的每一层切片视为图顶点，切片间固有空间关系构成边。随后，为增强结节特征表达，我们将通道与空间注意力机制同预训练VGG模型结合，对肺结节进行自适应特征提取。最后，利用医院收集的真实世界数据证明了所提方法的有效性，从而凸显其在临床实践中的潜在效用。
引用
@article{arxiv.2308.14000,
title = {High-risk Factor Prediction in Lung Cancer Using Thin CT Scans: An Attention-Enhanced Graph Convolutional Network Approach},
author = {Xiaotong Fu and Xiangyu Meng and Jing Zhou and Ying Ji},
journal= {arXiv preprint arXiv:2308.14000},
year = {2023}
}
备注
7 pages, 3 figures, 3 tables