基于多模态层网络用于胶质母细胞瘤分子亚型预测
计算机视觉与模式识别
2025-08-14 v1 机器学习
摘要
胶质母细胞瘤是一种具有快速进展速度的高度侵袭性脑肿瘤。近期研究表明，胶质母细胞瘤分子亚型分类可作为有效靶向治疗选择的重要生物标志物。然而，这种分类目前需要侵入性组织提取以进行全面的组织病理学分析。现有的结合 MRI 和组织病理学图像的多模态方法有限，且缺乏保留跨模态共享结构信息的鲁棒机制。特别是，基于图的模型常常无法在异质图中保留判别性特征，而用于处理缺失或不完整模态数据的结构重建机制在很大程度上尚未被探索。为解决这些局限性，我们提出了一种新颖的基于层（sheaf）的框架，用于对 MRI 和组织病理学数据进行结构感知且一致的融合。我们的模型优于基线方法，并在不完整或缺失数据场景中表现出鲁棒性，有助于开发用于快速诊断的虚拟活检工具。我们的源代码可在 https://github.com/basiralab/MMSN/ 获取。
引用
@article{arxiv.2508.09717,
title = {Multimodal Sheaf-based Network for Glioblastoma Molecular Subtype Prediction},
author = {Shekhnaz Idrissova and Islem Rekik},
journal= {arXiv preprint arXiv:2508.09717},
year = {2025}
}