TY -的A2 Rakhshan瓦希德AU -王,姚明AU -王,燕盟——郭,淳杰盟——张Shuangquan AU -杨,丽丽PY - 2021 DA - 2021/04/19 TI - SGPNet:一个三维的多任务剩余分割框架和IDH基因型预测的神经胶质瘤SP - 5520281六世- 2021 AB -神经胶质瘤是主要类型的成人恶性脑瘤,地位和异柠檬酸脱氢酶(IDH)突变高度影响诊断,神经胶质瘤的治疗和预后。放射医学成像提供了一种非侵入式采样国米和intralesion平台异构性神经胶质瘤,和先前的研究表明,IDH基因型可以预测融合的多峰性放射学图像。医学图像的特点和IDH基因型对治疗至关重要;然而,它仍然缺乏一个多任务的细分框架损伤神经胶质瘤和IDH基因型的预测。在本文中,我们提出一种新颖的三维(3 d)多任务分割深度学习模型和基因型预测(SGPNet)。剩余单位也引入SGPNet允许输出块提取层次特性不同的任务和促进信息传播。我们的模型可以减少26.6%的分类错误率比较与先前的模型数据集的多通道脑瘤分割挑战(小鬼)2020和癌症基因组图谱(TCGA)神经胶质瘤的数据库。此外,我们第一次实际调查的影响病变区域IDH基因型预测的性能通过设置不同组的学习目标。实验结果表明,损伤区域的信息更重要的IDH基因型的预测。我们的框架是有效的和可概括的,这可以作为一个高度自动化的工具应用在临床决策。 SN - 1687-5265 UR - https://doi.org/10.1155/2021/5520281 DO - 10.1155/2021/5520281 JF - Computational Intelligence and Neuroscience PB - Hindawi KW - ER -