换一批基于不完整多模态医学图像的深度学习模型在原发性骨肿瘤分类中的应用
Application of Deep Learning Model Based on Incomplete Multimodal Medical Images in Classifying Primary Bone Tumors
摘要目的 探讨基于X线平片、CT平扫和MRI平扫的不完整多模态医学图像联合临床资料的深度学习(DL)模型对良性、中间型和恶性原发性骨肿瘤(PBT)的鉴别诊断价值.方法 回顾性搜集经病理确诊为PBT的1305例患者数据,包括不完整多模态医学图像和临床资料.基于EfficientNet网络分别构建DL以及DL临床模型用于将PBT分类为良性、中间型和恶性.结果 基于不完整多模态医学图像与临床资料构建的DL临床模型在内部测试集上的微平均受试者工作特征曲线下面积为0.816,准确度为64.7％,微平均敏感度为64.7％,微平均特异度为82.3％,分类性能优于仅基于不完整多模态医学图像构建的DL模型.DL临床模型在外部测试集上的微平均曲线下面积为0.768,准确度为60.3％.结论 基于不完整多模态医学图像联合临床资料的DL临床模型,对于良性、中间型和恶性PBT具有较好的分类能力,有望成为临床辅助诊断工具应用于实际临床实践中具有不同模态成像图像的患者.
更多相关知识
关键词
原发性骨肿瘤深度学习不完整多模态医学图像临床资料分类Primary bone tumorDeep learningIncomplete multimodal medical imagesClinical dataClassifi-cation
栏目名称
发布时间
2025-08-27（万方平台首次上网日期，不代表论文的发表时间）
- 浏览7
- 被引0
- 下载12
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
