换一批基于跨模态特征融合的胆囊癌诊断模型研究
Research on Gallbladder Cancer Diagnosis Model Based on Cross-modal Feature Fusion
摘要针对目前尚未有研究使用深度学习方法将胆囊癌影像、放射组学特征和肿瘤标志物等实验室检查数据融合应用于胆囊癌诊断的问题,提出一种跨模态特征融合的胆囊癌诊断模型.首先利用3D U-net网络进行胆囊区域分割并提取放射组学特征,使用三维卷积神经网络提取医学影像深度特征,再将这两者与实验室检查数据进行特征融合,将融合结果作为分类器的输入进行胆囊癌诊断.实验结果表明,该方法在分类准确率、特异度、灵敏度、精确率上相比最优的单类特征模型分别提高16.67％、12.62％、11.54％和13.14％.同5种常见的影像分类模型比较,其在准确率、特异度和精确率上均至少提高10.00％、25.00％和13.33％,由此得出该方法在胆囊癌诊断上具有更好的准确率与可靠性.
更多相关知识
- 浏览1
- 被引2
- 下载1
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
