基于深度特征融合网络的肺腺癌侵袭性预测
计算机视觉与模式识别
2019-09-27 v1
摘要
利用计算机断层扫描（CT）影像对肺腺癌的病理侵袭性进行早期诊断，将改变腺癌的治疗进程并进而改善预后。现有多数系统仅使用常规放射组学特征或单独的深度学习特征来预测侵袭性。在本研究中，我们探索了两类特征的融合，并指出放射组学特征可对深度学习特征形成补充。我们提出了一种有效的深度特征融合网络，以利用两类特征间的互补性，从而改善侵袭性预测结果。我们收集了一个私有数据集，包含来自合作医院的676名患者的肺部CT扫描，按四种侵袭性类型分类。在该数据集上的评估证明了我们所提方法的有效性。
引用
@article{arxiv.1909.09837,
title = {Invasiveness Prediction of Pulmonary Adenocarcinomas Using Deep Feature Fusion Networks},
author = {Xiang Li and Jiechao Ma and Hongwei Li},
journal= {arXiv preprint arXiv:1909.09837},
year = {2019}
}