计算机工程

作者：韩鹏, 黄韫栀, 任彩月, 程竞仪, 徐军

单位：1. 南京信息工程大学人工智能学院智慧医疗研究院, 江苏 南京 2100442. 复旦大学附属肿瘤医院复旦大学上海医学院核医学科, 上海 200032

关键词：肿瘤异质性,聚类分割,深度学习,新辅助化疗,医学影像

基金：国家自然科学基金(61771249); 上海市扬帆计划(21YF1444300)

准确的肿瘤亚区分割是乳腺癌异质性表征的关键, 而这种表征是了解乳腺癌化疗反应的关键。传统的阈值分割在功能性肿瘤亚区的区分上存在不足, 为此, 提出一种改进的分割(GR)方法, 该方法基于异质性影像组学特征, 包括纹理信息、强度信息、形状信息, 通过高斯混合聚类实现功能性亚区的精准分割。基于GR分割, 设计双分支双任务分类模型(DDCN), 预测新辅助化疗疗效, 利用得到的亚区来更好地提取肿瘤内部异质性的特征, 并结合文本信息来评估疗效。实验结果表明, 所提放射组学分割模型在不同功能亚区的识别上表现出色, 在剪影系数和方差比指数上都取得了良好的效果。DDCN模型融合了不同亚区的特征, 消融实验结果表明, 在受试者工作特征曲线下的面积(AUC)、准确率等指标上DDCN都取得了良好的结果。总体而言, GR在肿瘤亚区分割上比传统的阈值分割效果更优, 而DDCN模型在评估新辅助化疗疗效方面具有广泛的应用价值。

来源：2025年第3期

《计算机工程》期刊编辑部

查看计算机工程杂志2025年第3期