基于CVT-RegNet构建MRI下胶质瘤P53基因状态预测模型OA北大核心CSTPCD
P53基因状态是胶质瘤精准诊疗的重要依据.针对目前基于MRI(Magnetic Resonance Imaging)的P53基因状态预测的深度学习模型中存在的异质性特征提取不全面、模型存在固有的多种不确定性等问题,提出脑胶质瘤P53基因状态精准预测模型CVT-RegNet(Improved RegNet Integrating CNN,Vision Transfomer and Truth Discovery).首先,采用RegNet网络作为P5…查看全部>>
赵钰琳;梁峰宁;曹亚茹;赵藤;王淋;丁世飞;朱红
徐州医科大学医学信息与工程学院,徐州221004徐州医科大学医学信息与工程学院,徐州221004徐州医科大学医学信息与工程学院,徐州221004徐州医科大学医学信息与工程学院,徐州221004徐州医科大学医学信息与工程学院,徐州221004中国矿业大学计算机科学与技术学院,徐州221116徐州医科大学医学信息与工程学院,徐州221004
计算机与自动化
脑胶质瘤P53深度学习真值发现不确定性校准
《南京大学学报(自然科学版)》 2024 (4)
P.542-551,10
国家自然科学基金(62102345)江苏省卫生健康委医学科研项目(Z2020032)徐州市重点研发计划(KC22117)。