面向乳腿 MRI 的放射组学引导的多模态自注意力网络用于预测病理完全缓解
图像与视频处理
2024-10-02 v1 计算机视觉与模式识别
摘要
乳腺癌是女性最常见的癌症, 预测抗癌治疗后病理完全缓解 (pCR) 对患者预后和治疗个体化至关重要。深度学习在医学影像诊断中显示出前景, 尤其是在利用多种影像模态提高准确性方面。本研究提出了一种模型, 用于使用动态对比增强 (DCE) 磁共振成像 (MRI) 和 apparent diffusion coefficient (ADC) 图预测乳腺癌患者的 pCR。放射组学特征是肿瘤区域的手工提取特征, 因此在医学图像分析中可能有用。我们的方法从 DCE MRI 和 ADC 提取特征, 使用带有自注意力机制的编码器, 利用放射组学引导从肿瘤相关区域提取特征。我们的实验结果表明, 本模型在预测 pCR 方面优于其他基线方法。
引用
@article{arxiv.2406.02936,
title = {Radiomics-guided Multimodal Self-attention Network for Predicting Pathological Complete Response in Breast MRI},
author = {Jonghun Kim and Hyunjin Park},
journal= {arXiv preprint arXiv:2406.02936},
year = {2024}
}
备注
5 pages, 5 figures, IEEE ISBI 2024 proceedings