换一批基于多期相增强CT的肾细胞癌病理分级深度学习算法
Deep learning algorithm for pathological grading of renal cell carcinoma based on multi-phase enhanced CT
摘要目的:肾细胞癌(renal cell carcinoma,RCC)是一种肾恶性肿瘤,严重威胁患者健康,术前病理分级的准确判断对确定RCC的治疗方法具有重大意义.目前,深度学习技术已成为RCC病理分级的重要方法,但是现有方法主要基于单期相计算机断层扫描(computed tomography,CT)影像进行分析与预测,仍存在微小病灶的漏诊、评估片面性和局部聚焦等方面的不足.本研究提出一种联合多期相增强CT影像和临床变量数据的多模态深度学习算法,以期为预测RCC病理分级提供依据.方法:首先,该算法以平扫期、动脉期、静脉期和延迟期4个期相增强CT影像与临床变量为输入模块;然后,使用嵌入编码模块提取临床变量中的异构信息,采用三维ResNet50模型捕捉多期相增强CT影像数据的空间信息;最后,使用Fusion模块将临床变量的特征信息与各期相CT影像的特征信息进行深度融合,并进一步利用交叉自注意力机制实现多期相特征融合,从而更全面捕捉患者数据中的深层次语义信息,充分利用多模态、多期相数据的信息互补优势.纳入1 229例RCC患者的资料以验证该算法的有效性.结果:该算法在准确率(83.87%)、召回率(95.04%)和F1分数(82.23%)等指标上均优于传统的影像组学方法和其他深度学习算法.结论:本研究提出的算法具有较好的稳定性和敏感性,显著提升了RCC病理分级的预测能力,为RCC的精准诊断提供了新的思路和方法.
更多相关知识
关键词
病理分级深度学习跨模态融合肾细胞癌三维ResNetpathological gradingdeep learningcross-modal fusionrenal cell carcinoma3-dimensional ResNet
栏目名称
DOI
10.11817/j.issn.1672-7347.2025.250082
发布时间
2025-08-15（万方平台首次上网日期，不代表论文的发表时间）
- 浏览2
- 被引0
- 下载1
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
