换一批基于TransUNet改进的多任务模型在直肠癌新辅助治疗中的应用
Improved Multitask Model based on TransUNet in the Neoadjuvant Therapy for Rectal Cancer
摘要目的 本研究基于深度学习方法对分割模型TransUNet做部分改进,构建既可分割又可预测分类的多任务模型,并应用于直肠癌新辅助治疗患者敏感人群识别的核磁图像中.方法 多任务模型在TransUNet基础上添加分类结构,具体为全连接层(输入为512,输出为256)、ReLU激活函数、全连接层(输入为256,输出为3),实现三分类结局的预测,即疾病稳定(stable disease,SD),部分反应(partial response,PR)和完全反应(complete response,CR).以 2015-2017年哈尔滨医科大学附属肿瘤医院收治的71名直肠癌患者新辅助化疗前的3D核磁图像提取为2D图像作为研究数据,采用Dice系数和豪斯多夫距离评价分割效果,准确率、micro-precision、micro-recall和micro-F1 score评价分类效果.结果 模型训练了 100个轮次,分割任务在测试集上的平均Dice系数和平均豪斯多夫距离分别为0.851和10.806,分类任务从切片角度,测试集上的准确率、micro-precision、micro-recall和micro-F1 score均为0.615,从患者角度,四个指标均为0.857.结论 分割任务效果良好,分类任务以切片为单位,效果一般,以患者为单位,考虑到结局为三分类,尚且可以接受.该多任务模型有潜力用于临床进行辅助诊断.
更多相关知识
栏目名称
DOI
10.11783/j.issn.1002-3674.2025.01.001
发布时间
2025-03-27（万方平台首次上网日期，不代表论文的发表时间）
基金项目
- 浏览9
- 被引0
- 下载3
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
