基于多模态图像构建CNN-ViT模型在弥漫性大B细胞淋巴瘤骨髓受累诊断中的应用

摘要：

目的 设计一种融合多模态图像深度学习模型CNN-ViT,诊断弥漫性大B细胞淋巴瘤(DLBCL)骨髓受累.资料与方法 回顾性收集2012年11月—2022年6月福建省立医院经病理证实的DLBCL 78例,其中无骨髓受累46例,有骨髓受累32例,所有患者在化疗前均行全身18F-FDG PET/CT检查、骨髓穿刺细胞涂片和(或)骨髓活检.选取骨盆区域PET及CT图像共9828张.将上述数据按7:1:2随机分为训练集6858张、验证集982张和测试集1988张.结合传统的卷积神经网络(CNN)和Vision-Transformer(ViT)模型设计CNN-ViT模型,分别提取PET和CT图像特征,预测骨髓受累情况.使用测试集的混淆矩阵和损失函数的变化、准确度、敏感度、特异度和F1_score评价模型的性能.结果 CNN-ViT模型诊断DLBCL骨髓受累的准确度、特异度、敏感度和F1_score分别为0.988、0.971、0.997、0.987.结论 CNN-ViT模型可以准确评估DLBCL骨髓受累情况.

关键词：淋巴瘤、B细胞、正电子发射断层显像术、体层摄影术、X线计算机、骨髓、神经网络、骨盆

所属期刊栏目：31

分类号：R733.4;R445.6(肿瘤学)

在线出版日期：2023-05-15（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：390-394