深度注意力机制结合临床特征预测肝细胞癌微血管浸润

深度注意力机制结合临床特征预测肝细胞癌微血管浸润

目的 探讨磁共振成像(MRI)评估微血管浸润(MVI)存在的一致性和诊断性能,以及深度学习注意力机制和临床特征在MVI分类预测中的有效性.方法 选取2017年1月～2020年2月南方医科大学附属顺德医院158例患者数据进行回顾性实验,包括常规MRI序列(T1WI、T2WI、DWI)、增强MRI序列(AP、PP、EP、HBP)、合成MRI序列(T1mapping-pre、T1mapping-20min)得到MRI图像以及可能与MVI相关的临床数据.基于EfficientNetB0和注意力模块分别建立单序列深度学习模型和融合模型,并且通过深度学习可视化技术显示肝细胞癌微血管浸润的高危区域.结果 基...

Ausführliche Beschreibung

Gespeichert in:
Bibliographische Detailangaben
Veröffentlicht in:南方医科大学学报 2023, Vol.43 (5), p.839-851
Hauptverfasser: 巩高, 曹石, 肖慧, 方威扬, 阙与清, 刘子蔚, 陈超敏
Format: Artikel
Sprache:chi
Online-Zugang:Volltext
Tags: Tag hinzufügen
Keine Tags, Fügen Sie den ersten Tag hinzu!
container_end_page 851
container_issue 5
container_start_page 839
container_title 南方医科大学学报
container_volume 43
creator 巩高
曹石
肖慧
方威扬
阙与清
刘子蔚
陈超敏
description 目的 探讨磁共振成像(MRI)评估微血管浸润(MVI)存在的一致性和诊断性能,以及深度学习注意力机制和临床特征在MVI分类预测中的有效性.方法 选取2017年1月～2020年2月南方医科大学附属顺德医院158例患者数据进行回顾性实验,包括常规MRI序列(T1WI、T2WI、DWI)、增强MRI序列(AP、PP、EP、HBP)、合成MRI序列(T1mapping-pre、T1mapping-20min)得到MRI图像以及可能与MVI相关的临床数据.基于EfficientNetB0和注意力模块分别建立单序列深度学习模型和融合模型,并且通过深度学习可视化技术显示肝细胞癌微血管浸润的高危区域.结果 基于T1mapping-20min序列和临床特征的融合模型结果要优于其他融合模型.准确度为83.76％,AUC为85.01％,敏感度为83.78％,特异度为87.02％,且深度可视化技术可以显示MVI高危区域.结论 本研究成功建立基于多个MRI序列的单序列模型和融合模型,并验证了深度学习算法结合注意力机制和临床特征对MVI分类预测的有效性.
doi_str_mv 10.12122/j.issn.1673-4254.2023.05.21
format Article
fullrecord <record><control><sourceid>wanfang_jour</sourceid><recordid>TN_cdi_wanfang_journals_dyjydxxb202305021</recordid><sourceformat>XML</sourceformat><sourcesystem>PC</sourcesystem><wanfj_id>dyjydxxb202305021</wanfj_id><sourcerecordid>dyjydxxb202305021</sourcerecordid><originalsourceid>FETCH-wanfang_journals_dyjydxxb2023050213</originalsourceid><addsrcrecordid>eNpjYFAxNNAzNDI0MtLP0sssLs7TMzQzN9Y1MTI10TMyMDLWMzDVMzJkYeCEC3Mw8BYXZxkYGBhZGhkbmphyMng8277x6a5lzzaveNbS_7Rr9rM5u552bHu-e_LTCR1Pdmx5uqvreefOp_saXy5qeba1-0XT3Oe72140z3s-s-fpvnUvFjY8X7fw2dYdz7Yt42FgTUvMKU7lhdLcDJpuriHOHrrliXlpiXnp8Vn5pUV5QJn4lMqsypSKiiSQEw1MDYwMjUlRCwBx6WJV</addsrcrecordid><sourcetype>Aggregation Database</sourcetype><iscdi>true</iscdi><recordtype>article</recordtype></control><display><type>article</type><title>深度注意力机制结合临床特征预测肝细胞癌微血管浸润</title><source>PubMed Central</source><creator>巩高 ; 曹石 ; 肖慧 ; 方威扬 ; 阙与清 ; 刘子蔚 ; 陈超敏</creator><creatorcontrib>巩高 ; 曹石 ; 肖慧 ; 方威扬 ; 阙与清 ; 刘子蔚 ; 陈超敏</creatorcontrib><description>目的 探讨磁共振成像(MRI)评估微血管浸润(MVI)存在的一致性和诊断性能,以及深度学习注意力机制和临床特征在MVI分类预测中的有效性.方法 选取2017年1月～2020年2月南方医科大学附属顺德医院158例患者数据进行回顾性实验,包括常规MRI序列(T1WI、T2WI、DWI)、增强MRI序列(AP、PP、EP、HBP)、合成MRI序列(T1mapping-pre、T1mapping-20min)得到MRI图像以及可能与MVI相关的临床数据.基于EfficientNetB0和注意力模块分别建立单序列深度学习模型和融合模型,并且通过深度学习可视化技术显示肝细胞癌微血管浸润的高危区域.结果 基于T1mapping-20min序列和临床特征的融合模型结果要优于其他融合模型.准确度为83.76％,AUC为85.01％,敏感度为83.78％,特异度为87.02％,且深度可视化技术可以显示MVI高危区域.结论 本研究成功建立基于多个MRI序列的单序列模型和融合模型,并验证了深度学习算法结合注意力机制和临床特征对MVI分类预测的有效性.</description><identifier>ISSN: 1673-4254</identifier><identifier>DOI: 10.12122/j.issn.1673-4254.2023.05.21</identifier><language>chi</language><publisher>南方医科大学生物医学工程学院,广东 广州 510515%南昌大学第一附属医院,江西 南昌 330006%南方医科大学附属顺德医院,广东 佛山 528308</publisher><ispartof>南方医科大学学报, 2023, Vol.43 (5), p.839-851</ispartof><rights>Copyright © Wanfang Data Co. Ltd. All Rights Reserved.</rights><woscitedreferencessubscribed>false</woscitedreferencessubscribed></display><links><openurl>$$Topenurl_article</openurl><openurlfulltext>$$Topenurlfull_article</openurlfulltext><thumbnail>$$Uhttp://www.wanfangdata.com.cn/images/PeriodicalImages/dyjydxxb/dyjydxxb.jpg</thumbnail><link.rule.ids>314,776,780,4010,27900,27901,27902</link.rule.ids></links><search><creatorcontrib>巩高</creatorcontrib><creatorcontrib>曹石</creatorcontrib><creatorcontrib>肖慧</creatorcontrib><creatorcontrib>方威扬</creatorcontrib><creatorcontrib>阙与清</creatorcontrib><creatorcontrib>刘子蔚</creatorcontrib><creatorcontrib>陈超敏</creatorcontrib><title>深度注意力机制结合临床特征预测肝细胞癌微血管浸润</title><title>南方医科大学学报</title><description>目的 探讨磁共振成像(MRI)评估微血管浸润(MVI)存在的一致性和诊断性能,以及深度学习注意力机制和临床特征在MVI分类预测中的有效性.方法 选取2017年1月～2020年2月南方医科大学附属顺德医院158例患者数据进行回顾性实验,包括常规MRI序列(T1WI、T2WI、DWI)、增强MRI序列(AP、PP、EP、HBP)、合成MRI序列(T1mapping-pre、T1mapping-20min)得到MRI图像以及可能与MVI相关的临床数据.基于EfficientNetB0和注意力模块分别建立单序列深度学习模型和融合模型,并且通过深度学习可视化技术显示肝细胞癌微血管浸润的高危区域.结果 基于T1mapping-20min序列和临床特征的融合模型结果要优于其他融合模型.准确度为83.76％,AUC为85.01％,敏感度为83.78％,特异度为87.02％,且深度可视化技术可以显示MVI高危区域.结论 本研究成功建立基于多个MRI序列的单序列模型和融合模型,并验证了深度学习算法结合注意力机制和临床特征对MVI分类预测的有效性.</description><issn>1673-4254</issn><fulltext>true</fulltext><rsrctype>article</rsrctype><creationdate>2023</creationdate><recordtype>article</recordtype><recordid>eNpjYFAxNNAzNDI0MtLP0sssLs7TMzQzN9Y1MTI10TMyMDLWMzDVMzJkYeCEC3Mw8BYXZxkYGBhZGhkbmphyMng8277x6a5lzzaveNbS_7Rr9rM5u552bHu-e_LTCR1Pdmx5uqvreefOp_saXy5qeba1-0XT3Oe72140z3s-s-fpvnUvFjY8X7fw2dYdz7Yt42FgTUvMKU7lhdLcDJpuriHOHrrliXlpiXnp8Vn5pUV5QJn4lMqsypSKiiSQEw1MDYwMjUlRCwBx6WJV</recordid><startdate>2023</startdate><enddate>2023</enddate><creator>巩高</creator><creator>曹石</creator><creator>肖慧</creator><creator>方威扬</creator><creator>阙与清</creator><creator>刘子蔚</creator><creator>陈超敏</creator><general>南方医科大学生物医学工程学院,广东 广州 510515%南昌大学第一附属医院,江西 南昌 330006%南方医科大学附属顺德医院,广东 佛山 528308</general><scope>2B.</scope><scope>4A8</scope><scope>92I</scope><scope>93N</scope><scope>PSX</scope><scope>TCJ</scope></search><sort><creationdate>2023</creationdate><title>深度注意力机制结合临床特征预测肝细胞癌微血管浸润</title><author>巩高 ; 曹石 ; 肖慧 ; 方威扬 ; 阙与清 ; 刘子蔚 ; 陈超敏</author></sort><facets><frbrtype>5</frbrtype><frbrgroupid>cdi_FETCH-wanfang_journals_dyjydxxb2023050213</frbrgroupid><rsrctype>articles</rsrctype><prefilter>articles</prefilter><language>chi</language><creationdate>2023</creationdate><toplevel>online_resources</toplevel><creatorcontrib>巩高</creatorcontrib><creatorcontrib>曹石</creatorcontrib><creatorcontrib>肖慧</creatorcontrib><creatorcontrib>方威扬</creatorcontrib><creatorcontrib>阙与清</creatorcontrib><creatorcontrib>刘子蔚</creatorcontrib><creatorcontrib>陈超敏</creatorcontrib><collection>Wanfang Data Journals - Hong Kong</collection><collection>WANFANG Data Centre</collection><collection>Wanfang Data Journals</collection><collection>万方数据期刊 - 香港版</collection><collection>China Online Journals (COJ)</collection><collection>China Online Journals (COJ)</collection><jtitle>南方医科大学学报</jtitle></facets><delivery><delcategory>Remote Search Resource</delcategory><fulltext>fulltext</fulltext></delivery><addata><au>巩高</au><au>曹石</au><au>肖慧</au><au>方威扬</au><au>阙与清</au><au>刘子蔚</au><au>陈超敏</au><format>journal</format><genre>article</genre><ristype>JOUR</ristype><atitle>深度注意力机制结合临床特征预测肝细胞癌微血管浸润</atitle><jtitle>南方医科大学学报</jtitle><date>2023</date><risdate>2023</risdate><volume>43</volume><issue>5</issue><spage>839</spage><epage>851</epage><pages>839-851</pages><issn>1673-4254</issn><abstract>目的 探讨磁共振成像(MRI)评估微血管浸润(MVI)存在的一致性和诊断性能,以及深度学习注意力机制和临床特征在MVI分类预测中的有效性.方法 选取2017年1月～2020年2月南方医科大学附属顺德医院158例患者数据进行回顾性实验,包括常规MRI序列(T1WI、T2WI、DWI)、增强MRI序列(AP、PP、EP、HBP)、合成MRI序列(T1mapping-pre、T1mapping-20min)得到MRI图像以及可能与MVI相关的临床数据.基于EfficientNetB0和注意力模块分别建立单序列深度学习模型和融合模型,并且通过深度学习可视化技术显示肝细胞癌微血管浸润的高危区域.结果 基于T1mapping-20min序列和临床特征的融合模型结果要优于其他融合模型.准确度为83.76％,AUC为85.01％,敏感度为83.78％,特异度为87.02％,且深度可视化技术可以显示MVI高危区域.结论 本研究成功建立基于多个MRI序列的单序列模型和融合模型,并验证了深度学习算法结合注意力机制和临床特征对MVI分类预测的有效性.</abstract><pub>南方医科大学生物医学工程学院,广东 广州 510515%南昌大学第一附属医院,江西 南昌 330006%南方医科大学附属顺德医院,广东 佛山 528308</pub><doi>10.12122/j.issn.1673-4254.2023.05.21</doi></addata></record>
fulltext fulltext
identifier ISSN: 1673-4254
ispartof 南方医科大学学报, 2023, Vol.43 (5), p.839-851
issn 1673-4254
language chi
recordid cdi_wanfang_journals_dyjydxxb202305021
source PubMed Central
title 深度注意力机制结合临床特征预测肝细胞癌微血管浸润
url https://sfx.bib-bvb.de/sfx_tum?ctx_ver=Z39.88-2004&ctx_enc=info:ofi/enc:UTF-8&ctx_tim=2025-01-29T05%3A56%3A55IST&url_ver=Z39.88-2004&url_ctx_fmt=infofi/fmt:kev:mtx:ctx&rfr_id=info:sid/primo.exlibrisgroup.com:primo3-Article-wanfang_jour&rft_val_fmt=info:ofi/fmt:kev:mtx:journal&rft.genre=article&rft.atitle=%E6%B7%B1%E5%BA%A6%E6%B3%A8%E6%84%8F%E5%8A%9B%E6%9C%BA%E5%88%B6%E7%BB%93%E5%90%88%E4%B8%B4%E5%BA%8A%E7%89%B9%E5%BE%81%E9%A2%84%E6%B5%8B%E8%82%9D%E7%BB%86%E8%83%9E%E7%99%8C%E5%BE%AE%E8%A1%80%E7%AE%A1%E6%B5%B8%E6%B6%A6&rft.jtitle=%E5%8D%97%E6%96%B9%E5%8C%BB%E7%A7%91%E5%A4%A7%E5%AD%A6%E5%AD%A6%E6%8A%A5&rft.au=%E5%B7%A9%E9%AB%98&rft.date=2023&rft.volume=43&rft.issue=5&rft.spage=839&rft.epage=851&rft.pages=839-851&rft.issn=1673-4254&rft_id=info:doi/10.12122/j.issn.1673-4254.2023.05.21&rft_dat=%3Cwanfang_jour%3Edyjydxxb202305021%3C/wanfang_jour%3E%3Curl%3E%3C/url%3E&disable_directlink=true&sfx.directlink=off&sfx.report_link=0&rft_id=info:oai/&rft_id=info:pmid/&rft_wanfj_id=dyjydxxb202305021&rfr_iscdi=true