机构名称：
¥ 1.0
摘要。神经胶质瘤是脑肿瘤，死亡率高。该肿瘤有各种等级和子类型，并且治疗过程相应地变化。临床医生和肿瘤学家根据视觉检查放射学和组织学数据来诊断并诊断这些肿瘤。但是，此过程可能是耗时且主观的。计算机辅助方法可以帮助临床医生做出更好，更快的决定。在本文中，我们提出了使用放射学和组织病理学图像同时，提出了将神经胶质瘤自动分类为三种亚类型的管道。所提出的方法实现了用于放射性和组织学模式的不同分类模型，并通过结合方法将它们结合在一起。分类算法最初通过深度学习方法执行瓷砖级（用于组织学）和切片级别（用于放射学）进行分类，然后将瓷砖/切片级的潜在特征合并为全幻灯片和全磁盘子和全磁性子类别的预测。使用CPM-RadPath 2020挑战中提供的数据集评估了分类算法。提议的管道达到了0.886的F1得分，共同的KAPPA得分为0.811，平衡精度为0.860。所提出的模型对各种特征的端到端学习的能力使其能够对神经胶质瘤肿瘤亚型的可比预测。
使用多模式放射学的神经胶质瘤分类... -orca
主要关键词
相关文件推荐
