亲爱的研友该休息了!由于当前在线用户较少,发布求助请尽量完整地填写文献信息,科研通机器人24小时在线,伴您度过漫漫科研夜!身体可是革命的本钱,早点休息,好梦!

Cross-site prognosis prediction for nasopharyngeal carcinoma from incomplete multi-modal data

鼻咽癌 情态动词 正规化(语言学) 计算机科学 人工智能 适应性 医学 模式识别(心理学) 数据挖掘 机器学习 放射治疗 放射科 化学 生态学 生物 高分子化学
作者
Chuan-Xian Ren,Geng-Xin Xu,Dao‐Qing Dai,Li Lin,Ying Sun,Qingshan Liu
出处
期刊:Medical Image Analysis [Elsevier BV]
卷期号:93: 103103-103103 被引量:7
标识
DOI:10.1016/j.media.2024.103103
摘要

Accurate prognosis prediction for nasopharyngeal carcinoma based on magnetic resonance (MR) images assists in the guidance of treatment intensity, thus reducing the risk of recurrence and death. To reduce repeated labor and sufficiently explore domain knowledge, aggregating labeled/annotated data from external sites enables us to train an intelligent model for a clinical site with unlabeled data. However, this task suffers from the challenges of incomplete multi-modal examination data fusion and image data heterogeneity among sites. This paper proposes a cross-site survival analysis method for prognosis prediction of nasopharyngeal carcinoma from domain adaptation viewpoint. Utilizing a Cox model as the basic framework, our method equips it with a cross-attention based multi-modal fusion regularization. This regularization model effectively fuses the multi-modal information from multi-parametric MR images and clinical features onto a domain-adaptive space, despite the absence of some modalities. To enhance the feature discrimination, we also extend the contrastive learning technique to censored data cases. Compared with the conventional approaches which directly deploy a trained survival model in a new site, our method achieves superior prognosis prediction performance in cross-site validation experiments. These results highlight the key role of cross-site adaptability of our method and support its value in clinical practice.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
渟柠发布了新的文献求助10
5秒前
鲤鱼小天鹅完成签到 ,获得积分10
6秒前
lidocaine完成签到 ,获得积分10
9秒前
13秒前
龙向海完成签到,获得积分10
13秒前
完美的飞兰完成签到,获得积分10
16秒前
Xk发布了新的文献求助10
18秒前
枍树完成签到 ,获得积分10
19秒前
25秒前
28秒前
自由山槐完成签到,获得积分10
29秒前
科研通AI6.3的应助被Xk采纳,获得10
31秒前
NexusExplorer的应助被Xk采纳,获得10
31秒前
33秒前
小熊的桃子完成签到,获得积分10
37秒前
38秒前
勤劳寒松完成签到,获得积分10
40秒前
41秒前
昏睡的碧菡完成签到,获得积分10
45秒前
二十二完成签到,获得积分10
46秒前
二十二发布了新的文献求助10
51秒前
霜序完成签到,获得积分10
51秒前
周大人完成签到 ,获得积分10
54秒前
1分钟前
1分钟前
1分钟前
1分钟前
1分钟前
1分钟前
1分钟前
1分钟前
1分钟前
1分钟前
SciGPT的应助被渟柠采纳,获得10
1分钟前
陨石拿铁完成签到,获得积分10
1分钟前
1分钟前
1分钟前
1分钟前
1分钟前
1分钟前
高分求助中
(应助此贴封号)【重要!!请各用户(尤其是新用户)详细阅读】【科研通的精品贴汇总】 10000
拉伸高分子熔体中缠结行为的模拟和小角中子散射研究 2000
Handbook of Sport Coaching Research 1000
Orthognathic Surgery - 2 Volume Set 500
高分子基功能界面水蒸发材料与应用研究 500
外场增强的水汽发电研究 500
基于结构调控的功能化水诱导发电材料与器件研究 500
热门求助领域 (近24小时)
化学 材料科学 医学 生物 纳米技术 计算机科学 工程类 有机化学 化学工程 生物化学 物理 复合材料 内科学 催化作用 光电子学 人工智能 细胞生物学 无机化学 物理化学 数学
热门帖子
关注 科研通微信公众号,转发送积分 8195031
求助须知:如何正确求助?哪些是违规求助? 9580802
关于积分的说明 21872728
捐赠科研通 7794886
什么是DOI,文献DOI怎么找? 3437922
关于科研通互助平台的介绍 2561204
邀请新用户注册赠送积分活动 2484579