Prediction of muscular-invasive bladder cancer using multi-view fusion self-distillation model based on 3D T2-Weighted images

膀胱癌 人工智能 矢状面 计算机科学 磁共振成像 模式识别(心理学) 医学 放射科 癌症 内科学
作者
Yuan Zou,Jie Yu,Lingkai Cai,Chunxiao Chen,Ruoyu Meng,Yueyue Xiao,Xue Fu,Jing Wang,Peikun Liu,Qiang Lü
出处
期刊:Biomedizinische Technik [De Gruyter]
标识
DOI:10.1515/bmt-2024-0333
摘要

Abstract Objectives Accurate preoperative differentiation between non-muscle-invasive bladder cancer (NMIBC) and muscle-invasive bladder cancer (MIBC) is crucial for surgical decision-making in bladder cancer (BCa) patients. MIBC diagnosis relies on the Vesical Imaging-Reporting and Data System (VI-RADS) in clinical using multi-parametric MRI (mp-MRI). Given the absence of some sequences in practice, this study aims to optimize the existing T2-weighted imaging (T2WI) sequence to assess MIBC accurately. Methods We analyzed T2WI images from 615 BCa patients and developed a multi-view fusion self-distillation (MVSD) model that integrates transverse and sagittal views to classify MIBC and NMIBC. This 3D image classification method leverages z-axis information from 3D MRI volume, combining information from adjacent slices for comprehensive features extraction. Multi-view fusion enhances global information by mutually complementing and constraining information from the transverse and sagittal planes. Self-distillation allows shallow classifiers to learn valuable knowledge from deep layers, boosting feature extraction capability of the backbone and achieving better classification performance. Results Compared to the performance of MVSD with classical deep learning methods and the state-of-the-art MRI-based BCa classification approaches, the proposed MVSD model achieves the highest area under the curve (AUC) 0.927 and accuracy (Acc) 0.880, respectively. DeLong’s test shows that the AUC of the MVSD has statistically significant differences with the VGG16, Densenet, ResNet50, and 3D residual network. Furthermore, the Acc of the MVSD model is higher than that of the two urologists. Conclusions Our proposed MVSD model performs satisfactorily distinguishing between MIBC and NMIBC, indicating significant potential in facilitating preoperative BCa diagnosis for urologists.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
更新
大幅提高文件上传限制,最高150M (2024-4-1)

科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
共享精神应助鹿卡采纳,获得10
刚刚
Akim应助豪杰采纳,获得10
刚刚
程哲瀚发布了新的文献求助10
1秒前
1秒前
2秒前
lilliu完成签到,获得积分10
2秒前
Accept完成签到,获得积分10
2秒前
kytlzq完成签到,获得积分10
2秒前
zzz发布了新的文献求助10
4秒前
小蘑菇应助MoreTz采纳,获得10
4秒前
学术界的小喽啰完成签到 ,获得积分10
4秒前
树下小草发布了新的文献求助10
4秒前
LIU完成签到,获得积分10
4秒前
零度寂寞3166完成签到,获得积分10
5秒前
访云发布了新的文献求助10
5秒前
英姑应助糖炒栗子采纳,获得10
6秒前
科学徐完成签到,获得积分20
6秒前
整齐的泥猴桃完成签到 ,获得积分10
6秒前
OKAY完成签到,获得积分10
7秒前
7秒前
zzz完成签到,获得积分10
7秒前
YB完成签到,获得积分10
7秒前
8秒前
9秒前
风起人散完成签到,获得积分10
9秒前
七彩光完成签到 ,获得积分10
9秒前
Shirley完成签到,获得积分10
10秒前
zzz完成签到,获得积分10
10秒前
10秒前
witting关注了科研通微信公众号
11秒前
莘莘完成签到,获得积分10
11秒前
豪杰发布了新的文献求助10
11秒前
Xingliang_Wu98完成签到,获得积分10
11秒前
12秒前
JamesPei应助一期一会采纳,获得10
13秒前
雷小牛完成签到 ,获得积分10
14秒前
Misty完成签到 ,获得积分0
15秒前
NCS完成签到 ,获得积分10
15秒前
Owen应助daladidala采纳,获得10
15秒前
甘sir完成签到 ,获得积分10
16秒前
高分求助中
Sustainability in Tides Chemistry 2000
Microlepidoptera Palaearctica, Volumes 1 and 3 - 13 (12-Volume Set) [German] 1122
Дружба 友好报 (1957-1958) 1000
The Data Economy: Tools and Applications 1000
Mantiden - Faszinierende Lauerjäger – Buch gebraucht kaufen 700
PraxisRatgeber Mantiden., faszinierende Lauerjäger. – Buch gebraucht kaufe 700
A Dissection Guide & Atlas to the Rabbit 600
热门求助领域 (近24小时)
化学 医学 生物 材料科学 工程类 有机化学 生物化学 物理 内科学 纳米技术 计算机科学 化学工程 复合材料 基因 遗传学 催化作用 物理化学 免疫学 量子力学 细胞生物学
热门帖子
关注 科研通微信公众号,转发送积分 3099895
求助须知:如何正确求助?哪些是违规求助? 2751334
关于积分的说明 7613172
捐赠科研通 2403314
什么是DOI,文献DOI怎么找? 1275235
科研通“疑难数据库(出版商)”最低求助积分说明 616318
版权声明 599053