文献阅读：基于双中心迁移学习的卷积神经网络在乳腺癌DCE-MRI分子亚型预测中的应用

最新推荐文章于 2024-12-19 13:17:59 发布

芯魂

最新推荐文章于 2024-12-19 13:17:59 发布

阅读量3.3k

点赞数 1

CC 4.0 BY-SA版权

分类专栏：科研理论之医学影像分析与处理

本文链接：https://blog.youkuaiyun.com/wbango/article/details/117485449

【文献题目】Prediction of breast cancer molecular subtypes on DCE-MRI using convolutional neural network with transfer learning between two centers.

[Yang Zhang, Jeon-Hor Chen, Yezhi Lin, Siwa Chan, Jiejie Zhou, Daniel Chow, Peter Chang, Tiffany Kwong, Dah-Cherng Yeh, Xinxin Wang, Ritesh Parajuli, Rita S. Mehta, Meihao Wang, Min-Ying Su. Prediction of breast cancer molecular subtypes on DCE-MRI using convolutional neural network with transfer learning between two centers. European Radiology (2021) 31:2559–2567]

目的：应用传统卷积神经网络（CNN）和递归CNN的深度学习算法，在MRI上区分三种乳腺癌分子亚型。

方法：根据激素受体（HR）和HER2受体分为3个亚型：（HR+/HER2−), HER2+ 和三重阴性（TN）；利用传统CNN和卷积长短期记忆网络（CLSTM），以覆盖肿瘤ROI的最小包围盒作为深度学习的输入，在训练数据集中建立模型；然后，运用迁移学习对模型进行重新调整，并在测试集中进行评估。