结合迁移学习和多模态特征融合的肺功能预测方法研究
- 作者单位
- 1上海理工大学健康科学与工程学院 2江西中科九峰智慧医疗科技有限公司产品研发中心 3山东第一医科大学附属济南人民医院影像科
- 刊名
- 国际生物医学工程杂志
- 年份
- 2023
- 卷号
- 第46卷
- 期号
- 第6期
- ISSN
- 1673-4181
- 分类号
- TP18;R563
- 摘要
- 目的设计一种结合迁移学习和多模态特征融合的肺功能预测方法, 旨在提升特发性肺纤维化患者肺功能预测的准确性。方法首先, 对CT影像和临床文本数据进行预处理, 并设计自适应模块寻找最适合IPF患者的肺功能衰减函数。其次, 特征提取模块包括CT特征提取、临床文本特征提取和肺功能特征提取3个子模块, 以全面提取特征。然后, 使用多模态特征预测网络全面评估肺功能的衰减情况。最后, 对预训练模型进行微调以提升模型的预测性能。结果针对OSIC肺纤维化进展比赛数据集, 通过自适应模块发现线性衰减假设更符合患者肺功能衰减趋势。不同模态数据预测实验表明, 加入临床文本特征的模型预测能力优于只使用CT影像的模型, 使用CT影像+临床文本特征+肺功能特征的模型预测效果最优。结合迁移学习和多模态特征融合的肺功能预测方法改进的拉普拉斯对数似然为?6.706 5、均方根误差为184.5和平均绝对误差为146.2, 在性能上优于其他方法。且预训练模型相较于零基础训练模型具有更高的预测精度。结论设计的结合迁移学习和多模态特征融合的肺功能预测方法有效地预测了IPF患者在不同周数的肺功能状态, 为患者的健康管理和疾病诊断提...更多
- 基金 国家自然科学基金;上海市自然科学基金
- 文献类型
- 期刊
- 浏览量
- 14
-
被引次数
-
收录
CA
相同作者单位文献
- [1] 周昱汐;贾守强;聂生东 . 计算机辅助诊断脑血管病的应用[J] 中国医学物理学杂志 2023 . 第9期 .
- [2] 方婷;杨一风;贾守强;聂生东 . 人工智能在急性缺血性脑卒中早期ASPECTS评估中的研究进展[J] 中国医学物理学杂志 2023 . 第40卷 第8期 . 1045-1050 .
- [3] 陶雅丽;陈阳;贾守强;聂生东 . 基于人工智能的早期肺癌风险评估方法研究进展[J] 国际生物医学工程杂志 2023 . 第46卷 第6期 .
- [4] 王怡伟;李晓兵;聂生东;姜立新;万财凤;蒋卓韵;贾守强 . 基于深度学习的超声多模态乳腺肿块良恶性分类[J] 中国医学物理学杂志 2023 . 第40卷 第8期 . 988-995 .