| 摘要:乳腺癌病理信息中的Ki-67表达水平、分子分型及组织学分级等信息可为患者提供预后信息,本文提出一种基于深度多任务学习对乳腺癌多种病理信息联合预测的方法。回顾性分析202例术前,化疗前的浸润性导管癌患者乳腺DCE-MRI影像,将数据集分为训练集122例,测试集80例。分割影像的含肿瘤的腺体区域,并获得6个减影序列,利用深度学习结合多任务学习方法对Ki-67表达、分子分型及组织学分级中任意显著相关的两个任务进行联合预测,并计算AUC评估模型的分类性能。多任务学习影像模型预测Ki-67表达、Luminal A和组织学分级的最佳AUC为0.804,0.757,0.724。实验结果表明,深度多任务学习可以很好的预测乳腺癌病理信息的性能,对乳腺癌的诊断和个性化治疗方案的选择具有重要意义。 |
| 关键词: 乳腺癌、深度学习、多任务学习、组织学分级、Ki-67表达、分子分型 |
|
|
|
|
| Abstract: |
| Key words: |