基于影像学特征与临床数据的乳腺癌胸大肌筋膜转移预测模型

摘要

目的：为提升预测乳腺癌胸大肌筋膜转移的准确性，构建一种结合临床数据与影像学特征的创新CNNTransformer双流并行网络架构，并通过遗传算法筛选出最优特征子集，以优化模型性能。方法：该架构并行处理临床记录和影像数据，包括分辨率、对比度、灰度分布、纹理特征等物理特征，捕捉其潜在关联。同时，使用遗传算法去除冗余特征，保留对胸大肌筋膜转移预测最相关的物理和临床特征。结果：融合影像与临床特征的CNN-Transformer模型在加权F1分数、AUC_ROC等评估指标上均表现优异，优于单独使用影像或临床数据的模型。结论：本文提出的双流并行网络架构与特征选择策略显著提升了预测乳腺癌胸大肌筋膜转移的准确性，并证明影像特征在提高模型性能中的重要性。

关键词

乳腺癌 / 胸大肌筋膜转移 / 物理特征 / 双流并行网络

基金资助

江苏省卫生健康委科研项目(Z2023046); 无锡市卫生健康委中青年拔尖人才资助计划(HB2023080)