分享团队：
所刊杂志：
Quantitative Imaging in Medicine and Surgery（点击查看杂志详情与影响因子）
文章标题：
一种基于两阶段多模态学习的PET/CT肺结节全自动分类方法（Fully-automated classification of pulmonary nodules in PET/CT imaging using a two-stage multi-modal learning approach）
内容亮点
肺癌是一种恶性肿瘤，肺结节被视为肺癌的重要指标，对肺结节的早期识别和及时治疗可以提高肺癌患者的生存率。PET/CT是一种非侵入式的融合成像技术，它可以呈现肺部区域的功能和结构信息。然而，如何挖掘PET和CT之间的多模态互补信息进而提高肺结节的诊断性能，仍是一个值得探索的问题。基于此，我们提出了一种基于两阶段多模态学习的PET/CT肺结节全自动分类方法。具体而言，第一阶段基于预训练的U-Net和PET/CT配准实现了PET/CT肺实质分割；第二阶段构建一种3D Inception-ResNet-CBAM架构和密集投票融合机制(dense-voting fusion)实现了PET/CT的多模态特征提取、融合和识别。特别地，我们尝试了不同的融合策略，包括图像级融合、特征级融合和决策级融合，探索了不同融合策略对PET/CT信息互补性的影响。此外，我们通过一系列的对比实验和消融实验，证明了所提模型的有效性，其准确率、精确率、召回率、特异度、F-1分数和AUC值分别达到89.98％、89.21％、84.75％、93.38％、86.83％和0.9227。最后，我们分析了致使模型误判的主要原因和潜在的原因，发现肺结节的非孤立性和不规则性限制了模型性能的提升，这也为未来研究提供了方向。
长按识别二维码即可阅读英文原文👆
第一作者：李同同
李同同，中共党员，博士生，入选中国科协青年人才托举工程博士生专项计划，目前就读于兰州大学信息科学与工程学院计算机应用技术专业。主要研究方向包括：计算机视觉，医学图像计算。目前以第一作者/通讯作者在IEEE T NEUR SYS REH，ISCIENCE, QUANT IMAG MED SURG，PHYS MED BIOL，MED PHY，J AMB INTEL HUM COMP等国际一流学术期刊发表文章6篇，参与发表文章19篇，授权国际/国家发明专利2项，授权计算机软件著作权2项；主持甘肃省基础研究计划优秀博士生项目、甘肃省研究生创新之星项目、兰州大学自然科学类中央高校项目等4项；曾获宝钢奖学金、甘肃省三好学生、甘肃省优秀毕业生等荣誉10余项。
通讯作者：胡斌
胡斌，国家特聘专家，973首席科学家，2020年全国先进工作者，国务院特殊津贴专家，甘肃省政协委员，甘肃省可穿戴装备重点实验室主任，甘肃省领军人才，兰州大学教授；IEEE Transactions on Computational Social Systems主编，IEEE Fellow，IET Fellow，AAIA Fellow，Chair of TC Computational Psychophysiology，IEEE SMC；教育部计算机学科教指委委员、科技委委员。长期从事情感计算、心理生理计算研究工作，在Science(Oct.2,2015)上提出了Computational Psychophysiology这一新的研究方向，美国科学院、医学院两院院士 Michael I.Posner 教授的评价为“心理生理计算将引领新的研究热潮”。申请人及其团队在国内外学术期刊及国际学术会议上发表相关论文 300 余篇。获2014年度中国侨界创新人才奖，2016年度教育部技术发明一等奖，2018年度国家技术发明奖二等奖，2019年度中国专利金奖（均为第一完成人）。主持国家变革性技术“基于心理生理多模态信息的精神障碍早期识别与干预技术 ”等重大项目。这些工作极大地推动了精神障碍客观、量化诊断与非药物干预的发展。
资讯
前往QIMS杂志首页
