摘要
胶质瘤是中枢神经系统最常见的原发性脑肿瘤,胶质瘤的基因分型对诊断与治疗至关重要,其中异柠檬酸脱氢酶(IDH)突变状态是关键的预后标志。传统依赖术后组织样本的检测方法存在延迟,而非侵入性磁共振成像(MRI)结合深度学习为术前预测提供了新思路。文中提出一种双流融合网络(DSFNet),用于多模态MRI胶质瘤IDH基因分型。该网络通过注意力引导的非对称双路径特征提取(ADFE)模块与基因分类器,深度挖掘T2和FLAIR模态的异质性特征。ADFE模块结合卷积神经网络与注意力机制,强化局部和全局特征融合,基因分类器则通过多尺度特征实现精准分型。在BraTS2020数据集上的实验表明,DSFNet的IDH分型准确率达92.0%,AUC为0.90,优于现有方法,为胶质瘤的精准诊疗提供了高效的非侵入性解决方案。
出处
《物联网技术》
2026年第3期52-56,共5页
Internet of things technologies
基金
宁夏自然科学基金项目:基于多模态融合的癌症生存期预测方法研究(2024AAC03062)
国家自然科学基金项目:基于深度学习和人机协同的地区疾病药物作用通路研究(62062058)。
