机构名称：
¥ 1.0
摘要：准确分类胶质瘤在临床实践中至关重要。它对临床医生和患者选择适当的治疗方法具有重要意义，有助于促进个性化医疗的发展。在 MICCAI 2020 放射学和病理学联合分类挑战赛中，为每个患者提供了 4 个 MRI 序列和一张 WSI 图像。参赛者需要使用多模态图像来预测胶质瘤的亚型。在本文中，我们提出了一种用于胶质瘤分类的全自动流程。我们提出的模型由两部分组成：特征提取和特征融合，分别负责提取图像的代表性特征和进行预测。具体而言，我们提出了一种用于 3D MRI 体积的无分割自监督特征提取网络。并且通过将传统图像处理方法与卷积神经网络相结合，为 H&E 染色的 WSI 设计了一个特征提取模型。最后，我们融合从多模态图像中提取的特征，并使用密集连接的神经网络来预测最终的分类结果。我们在验证集上使用 F1 分数、Cohen's Kappa 和平衡准确度评估所提出的模型，结果分别达到 0.943、0.903 和 0.889。
基于 CNN 的全自动胶质瘤分类与多...
主要关键词
相关文件推荐
