SASG-GCN: Self-Attention Similarity Guided Graph Convolutional Network for Multi-Type Lower-Grade Glioma Classification

计算机科学 人工智能 模式识别(心理学) 图形 相似性(几何) 可视化 胶质瘤 卷积神经网络 图像(数学) 理论计算机科学 癌症研究 生物
作者
Liangliang Liu,Jing Chang,Pei Zhang,Hongbo Qiao,Shufeng Xiong
出处
期刊:IEEE Journal of Biomedical and Health Informatics [Institute of Electrical and Electronics Engineers]
卷期号:27 (7): 3384-3395 被引量:2
标识
DOI:10.1109/jbhi.2023.3264564
摘要

Identifying the subtypes of low-grade glioma (LGG) can help prevent brain tumor progression and patient death. However, the complicated non-linear relationship and high dimensionality of 3D brain MRI limit the performance of machine learning methods. Therefore, it is important to develop a classification method that can overcome these limitations. This study proposes a self-attention similarity-guided graph convolutional network (SASG-GCN) that uses the constructed graphs to complete multi-classification (tumor-free (TF), WG, and TMG). In the pipeline of SASG-GCN, we use a convolutional deep belief network and a self-attention similarity-based method to construct the vertices and edges of the constructed graphs at 3D MRI level, respectively. The multi-classification experiment is performed in a two-layer GCN model. SASG-GCN is trained and evaluated on 402 3D MRI images which are produced from the TCGA-LGG dataset. Empirical tests demonstrate that SASG-GCN accurately classifies the subtypes of LGG. The accuracy of SASG-GCN achieves 93.62%, outperforming several other state-of-the-art classification methods. In-depth discussion and analysis reveal that the self-attention similarity-guided strategy improves the performance of SASG-GCN. The visualization revealed differences between different gliomas.
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
XYC发布了新的文献求助10
刚刚
旧港听风完成签到,获得积分10
刚刚
xihuanni发布了新的文献求助10
刚刚
ddd应助我和狂三贴贴采纳,获得10
2秒前
龙王使完成签到,获得积分10
2秒前
毛豆应助科研通管家采纳,获得30
3秒前
幕帆应助科研通管家采纳,获得10
3秒前
毛豆应助科研通管家采纳,获得20
3秒前
星辰大海应助科研通管家采纳,获得10
3秒前
lalala应助科研通管家采纳,获得10
3秒前
嗬荷荷发布了新的文献求助10
3秒前
幕帆应助科研通管家采纳,获得10
3秒前
FashionBoy应助科研通管家采纳,获得10
4秒前
4秒前
毛豆应助科研通管家采纳,获得10
4秒前
共享精神应助科研通管家采纳,获得10
4秒前
毛豆应助科研通管家采纳,获得10
4秒前
4秒前
毛豆应助科研通管家采纳,获得10
4秒前
科研通AI2S应助科研通管家采纳,获得10
4秒前
4秒前
4秒前
4秒前
花花发布了新的文献求助10
4秒前
5秒前
哎呀完成签到,获得积分10
6秒前
脑洞疼应助龙王使采纳,获得10
6秒前
FashionBoy应助song采纳,获得10
7秒前
7秒前
8秒前
9秒前
摆烂小子发布了新的文献求助10
9秒前
qll完成签到 ,获得积分10
9秒前
能干的荆完成签到 ,获得积分10
10秒前
10秒前
10秒前
BruceYuan完成签到,获得积分20
12秒前
12秒前
12秒前
小胡发布了新的文献求助10
13秒前
高分求助中
The ACS Guide to Scholarly Communication 2500
Sustainability in Tides Chemistry 2000
Microlepidoptera Palaearctica, Volumes 1 and 3 - 13 (12-Volume Set) [German] 1122
The Data Economy: Tools and Applications 1000
Diamonds: Properties, Synthesis and Applications 800
PraxisRatgeber Mantiden., faszinierende Lauerjäger. – Buch gebraucht kaufen 700
Mantiden - Faszinierende Lauerjäger – Buch gebraucht kaufen 700
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 3097857
求助须知:如何正确求助?哪些是违规求助? 2749735
关于积分的说明 7605774
捐赠科研通 2401602
什么是DOI,文献DOI怎么找? 1274210
科研通“疑难数据库(出版商)”最低求助积分说明 616028
版权声明 599016