基于半监督学习和决策向量对齐的单序列MRI脑胶质瘤分级

摘要

为实现单序列磁共振成像(magnetic resonance imaging, MRI)的脑胶质瘤分级任务，提出了一种基于半监督学习和决策向量对齐的方法.该方法采用余弦相似度损失函数，引导提出的卷积神经网络模型通过单序列MRI数据补全缺失序列的特征，得到与多序列MRI对齐的分类决策向量.考虑到带有高质量分级标签数据的稀缺性，引入半监督学习策略，充分利用有标签和无标签的MRI数据，同步训练优化决策向量的对齐和单序列MRI脑胶质瘤分级模型，提升模型的分级效果.采用五折交叉验证评估所提方法的性能，在BraTS数据集上的实验结果表明，该方法基于T1ce单序列在脑胶质瘤分级任务中取得了91.64%的准确率，优于现有方法.

关键词

卷积神经网络 / 半监督学习 / 注意力机制 / 脑胶质瘤分级