基于多源异构数据的淋巴结转移状态分类

摘要

提出一种基于多源异构数据的深度学习分类模型,对早期乳腺癌患者腋窝淋巴结转移状态进行评估。模型分别提取传统影像组学特征、B型超声图像及剪切波弹性超声图像数据的共性特征,构建特征空间并进行分类预测。该模型对淋巴结转移状态的预测准确率达到86.2%,实验结果表明,多源异构数据融合能有效提高腋窝淋巴结转移状态的诊断效能。