首页 > 上海交通大学学报 > 注意力引导多任务学习的前列腺癌盆腔淋巴结转移预测

注意力引导多任务学习的前列腺癌盆腔淋巴结转移预测

Attention-Guided Multi-Task Learning for Prostate Cancer Pelvic Lymph Node Metastasis Prediction

二维码有效期 120s

摘要基于前列腺癌原发灶的术前磁共振影像定量特征预测盆腔淋巴结转移(PLNM)是治疗方案制定的重要参考依据.然而,现有预测方法对肿瘤原发灶内部的异质性信息提取不足,导致提取的图像定量特征与PLNM关联性较弱.针对这一问题,提出一种以肿瘤分割任务为辅助任务的注意力引导多任务学习网络用于PLNM预测.首先,在肿瘤分割网络中,提出多分支各向异性大核注意力模块,通过不同分支和各向异性大卷积核的融合扩大的感受野以有效捕获肿瘤的局部和全局信息.其次,在PLNM预测网络中,设计多尺度特征交互融合注意力模块,对多尺度特征进行层次化融合筛选.在320例数据集的实验中,所提方法的精度召回曲线下面积值和受试者操作特征曲线下面积值分别为(85.44±2.04)％和(91.86±2.18)％,优于经典的单任务分类方法和多任务方法.

作者张志远 ^[1] 胡冀苏 ^[2] 张跃跃 ^[3] 钱旭升 ^[2] 周志勇 ^[2] 戴亚康 ^[4] 学术成果认领

作者单位徐州医科大学医学影像学院,江苏徐州 221000 ^[1] 中国科学院苏州生物医学工程技术研究所,江苏苏州 215163 ^[2] 苏州大学附属第二医院,江苏苏州 215000 ^[3] 徐州医科大学医学影像学院,江苏徐州 221000;中国科学院苏州生物医学工程技术研究所,江苏苏州 215163 ^[4]

关键词前列腺癌盆腔淋巴结转移多任务学习多分支各向异性大核注意力模块多尺度特征交互融合注意力模块多参数磁共振 prostate cancer pelvic lymph node metastasis(PLNM)multi-task learning multi-branch ani-sotropic large kernel attention multi-scale feature interaction fusion attention multiparametric magnetic resonance imaging(mpMRI)

分类号 TP391 R318.16（医用一般科学）

栏目名称

电子信息与电气工程

DOI 10.16183/j.cnki.jsjtu.2023.491

发布时间 2025-09-09（万方平台首次上网日期，不代表论文的发表时间）

基金项目

中国科学院青年创新促进会项目（2021324）苏州市卫健委临床重点病种诊疗专项（LCZX202001）苏州市科技计划项目（SKY2022003）