针对肿瘤生长预测的边缘注入自适应时空网络

摘要

为了更有效地表征肿瘤的生长趋势，提出了基于边缘注入的自适应时空网络(adaptive spatiotemporal networks based on edge injection, EA-Net)。引入紧密型空间增强模块学习多形态肿瘤的静态抽象信息，并重点提取关键生长特征；明确监督目标肿瘤的边缘信息，设计多密度边缘注入模块来增强特征图像内目标的边缘权重；建立广泛的时空信息关联，实现对肿瘤未来成像的自适应建模；引入个体特异性因子，促使网络学习不同人群肿瘤的生长趋势。实验表明，提出的方法能更高效地预测肿瘤未来的生长状态，其Dice score、Recall、RMSE分别可达89.36%、90.83%、10.42%,能在一定程度上揭示肺癌疾病的发展方向。

关键词

肿瘤生长率 / 边缘注入 / 生长趋势 / 自适应预测