3D胶质瘤分期模型

准确率96%

将医学认知嵌入3D MRI特征提取，深度学习与影像组学特征及诊断特征相融合，无需挑选理想切片，更贴近临床实际。

Han, Xue · 鲁慧民 · Wang, Guizeng

PLoS ONE 2024

参数信息

准确率

96.14 %

召回率

93.4 %

精确率

97.06 %

准确率

97.57 %

召回率

92.80 %

精确率

95.96 %

技术优势

无需挑选理想切片

模型直接处理3D MRI数据，符合临床实际场景，避免了人工挑选最佳切片的步骤。

融合医学认知

将医生的阅片知识、影像组学特征和人工诊断特征嵌入数据驱动方法中，提高特征提取质量。

优于纯数据驱动模型

与多数知名纯数据驱动模型相比，该方法在准确率、召回率和精确率上均更高。

应用场景

• 脑肿瘤MRI诊断：自动对脑胶质瘤MRI进行分期，辅助医生减少阅片时间。
• 医学影像分析：提取3D MRI中的深层特征、影像组学特征和诊断特征，提高分析质量。
• 计算机辅助诊断：为医生提供高准确率的胶质瘤分期建议，减少误诊。