基于VGG网络多模态融合的非小细胞肺癌复发预测

摘要

传统方法预测肺癌患者术后复发通常使用PET/CT图像或临床数据等单一模态信息,而文章在卷积神经网络VGG模型的基础上研究了多模态融合的潜力,通过结合PET/CT图像信息、临床数据和影像组学信息对肺癌复发实现了更好的预测。实验结果表明,对160名患者的NSCLC放射基因组学数据集进行研究时使用三种模态信息预测NSCLC患者复发性能达到最佳,其准确率为84.38%,精确率为82.76%,召回率为68.75%,AUC为79.69%。