基于自监督预训练和多任务学习的肺腺癌无复发生存期预测

作     者：胡伦瑜 夏威 李琼 高欣 HU Lunyu;XIA Wei;LI Qiong;GAO Xin

作者机构：中国科学技术大学生命科学与医学部生物医学工程学院(苏州)合肥230026 中国科学院苏州生物医学工程技术研究所江苏苏州215163 中山大学肿瘤防治中心影像科广州510060 济南国科医工科技发展有限公司济南250101 

基　　金：国家自然科学基金(82372052) 山东省重点研发计划(2021SFGC0104) 山东省泰山产业创新领军人才 苏州市科技计划项目(SJC2021014) 

出 版 物：《生物医学工程学杂志》 (Journal of Biomedical Engineering)

年 卷 期：2024年第41卷第2期

页      码：205-212页

摘      要：计算机断层成像(CT)是肺腺癌诊断与评估的重要工具,利用CT图像预测肺腺癌患者手术后的无复发生存期(RFS)对于术后治疗方案的制定具有重要意义。针对CT图像的肺腺癌RFS精准预测难题,本文提出了一种基于自监督预训练和多任务学习的肺腺癌RFS预测方法。采用“图像变换—图像恢复”的自监督学习策略,在公开肺部CT数据集上对3D-UNet网络进行自监督预训练解析肺部图像的通用视觉特征,通过分割与分类的多任务学习策略进一步优化网络特征提取能力,引导网络提取与RFS相关的图像特征,同时设计多尺度特征聚合模块以充分聚合多尺度的图像特征,最后借助前馈神经网络预测肺腺癌RFS风险评分。通过十折交叉验证评估所提方法的预测性能。结果显示,所提方法预测RFS的一致性指数(C-index)与预测三年内是否复发的曲线下面积(AUC)分别达到0.691±0.076与0.707±0.082,预测性能优于现有方法。综上,本研究所提方法在肺腺癌患者RFS预测方面表现出潜在的优越性,有望为个体化治疗方案的制定提供可靠依据。

主 题 词：计算机断层成像 肺腺癌 术后复发 自监督学习 多任务学习 

学科分类：12[管理学] 1201[管理学-管理科学与工程类] 1002[医学-临床医学类] 081104[081104] 08[工学] 080203[080203] 0835[0835] 100214[100214] 0802[工学-机械学] 0811[工学-水利类] 0812[工学-测绘类] 10[医学] 

核心收录：

D　O　I：10.7507/1001-5515.202309060

馆 藏 号：203127538...