使用优化的合成相关扩散成像改进乳腺癌分级预测
原文中文,约300字,阅读约需1分钟。发表于: 。利用体积深度放射特征从合成相关扩散成像(CDI$^s$)预测乳腺癌分级的最新研究结果表明,非侵入性方法在乳腺癌分级中有巨大潜力,该论文通过使用优化的 CDI$^s$ 改善乳腺癌分级来受到了启发。将优化后的 CDI$^s$ 信号与扩散加权成像(DWI)融合,为每位患者创建多参数 MRI,在更大的患者队列上进行训练,通过在预训练的 MONAI 模型的所有层进行训练,我们实现了 95.79%...
最新研究发现,利用体积深度放射特征从合成相关扩散成像(CDI$^s$)预测乳腺癌分级的非侵入性方法具有巨大潜力。通过优化的CDI$^s$信号与扩散加权成像(DWI)融合,为每位患者创建多参数MRI,并在更大的患者队列上进行训练,实现了95.79%的留一交叉验证准确性,比先前报道的高出8%。