head and neck cancer | BriefGPT

关键词head and neck cancer

搜索结果 - 7

TransAnaNet：基于 Transformer 的头颈部肿瘤患者放射治疗解剖变化预测网络
研究通过使用基于视觉转换器（ViT）的神经网络来评估使用放疗治疗头颈部癌症患者时，使用 ViT 网络预测放疗引起的解剖学变化的可行性，并显示出良好的预测性能，以帮助头颈部癌症自适应放疗的决策。
PDF2 months ago
通过多标签学习和深度模型解释推进头颈癌生存预测
我们提出了 IMLSP，一个可解释的多标签多模态深度存活预测框架，用于同时预测多个头颈癌存活结果，并提供深度预测过程的时间事件特定的可视化解释。我们采用多任务逻辑回归层将存活预测从回归问题转化为多时间点分类任务，并能够同时预测多个相关存活结
PDF2 months ago
利用 PET/CT 影像组学和临床信息预测头颈部癌症的无复发生存期
建立预测咽喉头颈部肿瘤患者的无复发存活模型，该模型将临床信息和多模态 CT 和 PET 放射组学特征与诊断结果结合，研究了分割准确度对放射组学特征的预测能力的影响，并发现 PET 和 CT 受其影响的程度不同，最佳模型对于临床信息和多模态
PDF4 months ago
使用 CT、PET 和 MRI 多模态图像的头颈肿瘤分割模型
本研究通过使用深度学习方法自动分割头颈部癌症的肿瘤体积，并在使用不同模态图像进行 fine-tuning 的情况下对模型性能进行评估。结果表明，在使用边界框提示的情况下，对 SAM 进行 fine-tuning 可以显著提高其分割准确度，为
PDF4 months ago
面部和颈部癌症患者的肿瘤图学习进行生存预测
通过 U 型卷积神经网络进行头颈部区域分割，结合支持向量机分类器实现肿瘤的语义分割，采用 Weibull 加速失效时间模型和深度学习等方法进行存活预后预测，在图像块处理方面探索性地进行图形卷积，从而实现对头颈癌进行自动分割和预后预测，测试数
PDFa year ago
AAAIDeep-CR MTLR: 一个多模态方法用于癌症生存预测与竞争风险
以神经网络和多任务逻辑回归为基础的深度多模态机器学习方法，可提高癌症患者特定生存率的准确预测，其二年 AUROC 为 0.774，C 指数为 0.788。
PDF4 years ago
深度学习在放疗中实现头颈解剖的临床可应用分割
采用深度学习方法，训练了一种 3D U-Net 架构的自动分割算法，成功实现了 21 个头颈部放射敏感器官的自动分割，同时引入了表面 Dice 相似系数（surface DSC）一种能更好地反映纠正自动分割错误的临床任务的新指标，表明该模型
PDF6 years ago