基于改进EfficientNetV2的脑胶质瘤IDH1突变状态预测方法

提出了一种基于改进EfficientNetV2的脑胶质瘤IDH1突变状态预测方法。首先使用k-means聚类算法为无标签的脑胶质瘤MRI数据标注伪标签,并使用Vision Transformer网络对伪标签进行修正,实现脑胶质瘤数据扩增;其次将坐标注意力机制加入EfficientNetV2模型,同时使用果蝇优化算法为模型训练过程中的伪标签数据赋予最优的权重;最后对脑胶质瘤IDH1突变状态进行分类,达到了96.32%的预测准确率。实验结果表明,本文方法能够在术前无创的情况下准确地预测脑胶质瘤IDH1突变状态。