BriefGPT - AI 论文速递
·
利用 Transformer 改进多模态和纵向数据的乳腺癌分类和风险评估
💡
原文中文，约300字，阅读约需1分钟。
📝
内容提要
该研究使用多模态变压器神经网络结合乳腺X光摄影和超声波，识别患者并估计未来胸部癌症风险。研究表明，该方法在检测现有癌症方面取得了很好的成绩，并在5年风险预测方面胜过以往基于乳腺X光摄影的风险模型。该研究凸显了多模态和纵向成像在癌症诊断和风险分层中的价值。
🎯
关键要点
-
该研究使用多模态变压器神经网络结合乳腺X光摄影和超声波。
-
研究旨在识别患者并估计未来胸部癌症风险。
-
MMT在检测现有癌症方面取得了AUROC值为0.943的成绩。
-
MMT在5年风险预测中实现了AUROC值为0.826，胜过以往基于乳腺X光摄影的风险模型。
-
研究凸显了多模态和纵向成像在癌症诊断和风险分层中的价值。
➡️
