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％.

关键词：非小细胞肺癌、PET/CT图像、临床、影像组学、复发预测

所属期刊栏目：6

分类号：TP18(自动化基础理论)

在线出版日期：2022-12-30（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：78-81