基于CT影像的Random Slice-enhanced 3D-ResNet用于晚期肺癌表皮生长因子受体突变状态分类OA

中晚期肺癌患者经常伴有淋巴结转移或远处转移,无法进行手术根治切除治疗。临床检测肿瘤细胞的表皮生长因子受体基因(epidermal growth factor receptor,EGFR),针对EGFR的生物特性,靶向治疗药物能够特异性地抑制其活性,从而阻断肿瘤细胞的生长和转移,因此靶向药物治疗是延缓患者生命的关键手段。为了能够无创性地检测EGFR状态,提出了基于CT影像的Random Slice-enhanced 3D-ResNet,该模型集成二维与三维的信息实现EGFR状态分类。首先模型从CT影像的轴位切面、矢状位切面和冠状位切面分别随机采集肿瘤的切片信息,其次从三维的空间维度聚合肿瘤的空间特征,最后提出压缩通道的空间交互模块实现跨维度信息融合,增强模型在小样本CT影像上的分类能力,提高了模型在不同数据来源对EGFR状态的泛化分类能力。实验结果表明,所提出的Random Slice-enhanced 3D-ResNet在多个评估指标上具有优秀的性能,第一个数据中心AUC为0.736,ACC为0.708,SEN为0.700,SPE为0.711,F1为0.591。第二个数据中心AUC为0.722,ACC为0.718,SEN为0.705,SPE为0.733,F1为0.730。