自注意力指导的多序列融合肝细胞癌分化判别模型

摘要

结合影像学和人工智能技术对病灶进行无创性定量分析是目前智慧医疗的一个重要研究方向.针对肝细胞癌(Hepatocellular carcinoma,HCC)分化程度的无创性定量估测方法研究,结合放射科医师的临床读片经验,提出了一种基于自注意力指导的多序列融合肝细胞癌组织学分化程度无创判别计算模型.以动态对比增强核磁共振成像(Dynamic contrast-enhanced magnetic resonance imaging,DCE-MRI)的多个序列为输入,学习各时序序列及各序列的多层扫描切片在分化程度判别任务的权重,加权序列中具有的良好判别性能的时间和空间特征,以提升分化程度判别性能.模型的训练和测试在三甲医院的临床数据集上进行,实验结果表明,本文所提出的肝细胞癌分化程度判别模型取得相比几种基准和主流模型最高的分类计算性能,在WHO组织学分级任务中,判别准确度、灵敏度、精确度分别达到80%,82%和82%.