改进残差网络的肾细胞癌ISUP分级研究

术前预测透明细胞肾细胞癌(clear cell renal cell carcinoma,ccRCC)的分级可有效评估患者的预后并指导临床治疗,但实现精准预测是目前本领域内的一项重要问题。该研究首先确定最优建模的CT类型与网络层数,提出了一种基于改进残差网络的ccRCC的CT影像分级模型,具体包括:利用大卷积操作对图像进行原始特征提取,利用混合注意力模块通过计算特征图中当前空间和临近空间以及当前空间和远距离空间之间的信息交互获取更多有用的特征,使得原始图像特征图在通道维度与空间维度上进行自适应特征细化,利用四个深度卷积网络层提取图像深度特征,并利用改进通道注意力模块产生通道注意力特征图信息,提取更多通道上的交互信息。实验结果表明,增强CT实质期图像和34层残差网络最有利于分级预测模型的开发,所提出的模型的总体加权准确率、AUC、精度、召回率和F1分数分别为90.8%、0.897、90.5%、90.8%、90.9%,各项指标优于其他常见网络结构,因此,该模型在预测ccRCC的国际泌尿病理学学会(International Society of Urological Pathology,ISUP)分级方面有良好的效能,对患者的临床辅助诊断和预后治疗具有重要的理论指导意义。