基于双分支网络的乳腺PET新辅助化疗疗效评估

作     者：韩鹏 黄韫栀 任彩月 程竞仪 徐军 HAN Peng;HUANG Yunzhi;REN Caiyue;CHENG Jingyi;XU Jun

作者机构：南京信息工程大学人工智能学院智慧医疗研究院江苏南京210044 复旦大学附属肿瘤医院复旦大学上海医学院核医学科上海200032 

基　　金：国家自然科学基金(61771249) 上海市扬帆计划(21YF1444300) 

出 版 物：《计算机工程》 (Computer Engineering)

年 卷 期：2025年第51卷第3期

页      码：293-299页

摘      要：准确的肿瘤亚区分割是乳腺癌异质性表征的关键,而这种表征是了解乳腺癌化疗反应的关键。传统的阈值分割在功能性肿瘤亚区的区分上存在不足,为此,提出一种改进的分割(GR)方法,该方法基于异质性影像组学特征,包括纹理信息、强度信息、形状信息,通过高斯混合聚类实现功能性亚区的精准分割。基于GR分割,设计双分支双任务分类模型(DDCN),预测新辅助化疗疗效,利用得到的亚区来更好地提取肿瘤内部异质性的特征,并结合文本信息来评估疗效。实验结果表明,所提放射组学分割模型在不同功能亚区的识别上表现出色,在剪影系数和方差比指数上都取得了良好的效果。DDCN模型融合了不同亚区的特征,消融实验结果表明,在受试者工作特征曲线下的面积(AUC)、准确率等指标上DDCN都取得了良好的结果。总体而言,GR在肿瘤亚区分割上比传统的阈值分割效果更优,而DDCN模型在评估新辅助化疗疗效方面具有广泛的应用价值。

主 题 词：肿瘤异质性 聚类分割 深度学习 新辅助化疗 医学影像 

学科分类：081203[081203] 08[工学] 0835[0835] 0812[工学-测绘类] 

D　O　I：10.19678/j.issn.1000-3428.0068929

馆 藏 号：203157977...