科研之友
微信
新浪微博
Facebook
分享链接
摘要
目的 基于磁共振酰胺质子转移（APT）模态数据，提出Dual-Aware深度学习框架实现胶质瘤异柠檬酸脱氢酶（IDH）基因分型，实现无创性的辅助诊断。方法 共收集118例多模态磁共振脑影像数据，其中68例为野生型，50例为突变型，所有数据完成了脑部胶质瘤ROI区域勾画。APT模态成像无需造影剂，它对肿瘤的信号强度跟肿瘤恶性程度呈正相关，且对IDH野生型的信号强度高于对IDH突变型的信号强度。针对APT模态肿瘤成像及衍生区域形态多变，且相对其他模态更缺乏明显的边缘轮廓特点，构建Dual-Aware框架，引入Multi-scale Aware模块挖掘多尺度特征，Edge Aware模块挖掘边缘特征，以实现基因分型的自动识别。结果 两类Aware机制的引入能够有效提升模型对胶质瘤IDH基因分型的识别率。对各模态数据在准确率和AUC方面都取得了一定的提升，并在APT模态上取得了最佳性能，预测精度达到83.1%,AUC达到0.822，从而验证了APT模态对于脑胶质瘤IDH基因分型识别的优势和有效性。结论 本文采用的深度学习算法模型基于APT模态的图像特点构建，验证了APT模态在胶质瘤IDH基因分型识别任务中的有效性，有望在该任务利用APT模态取代目前常用的T1CE模态，避免造影剂注射，以实现无创性的IDH基因分型。
- 出版日期2023
- 单位南方医科大学; 南方医科大学珠江医院; 生物医学工程学院
