医学 AI

Multimodal classification of Radiation-Induced Contrast Enhancements and tumor recurrence using deep learning

基于深度学习的多模态放射性对比增强和肿瘤复发分类

Robin Peretzke, Marlin Hanstein, Maximilian Fischer, Lars Badhi Wessel, Obada Alhalabi, Sebastian Regnery, Andreas Kudak, Maximilian Deng, Tanja Eichkorn, Philipp Hoegen Saßmannshausen, Fabian Allmendinger, Jan-Hendrik Bolten, Philipp Schröter, Christine Jungk, Jürgen Peter Debus, Peter Neher, Laila König, Klaus Maier-Hein

机构 * Deutsches Krebsforschungszentrum (DKFZ)（德国癌症研究中心） ； Heidelberg University（海德堡大学） ； Heidelberg University Hospital（海德堡大学医院） ； Research Campus M2OLIE（M2OLIE研究园区） ； German Cancer Consortium (DKTK)（德国癌症联盟） ； Universitätsklinikum Heidelberg（海德堡大学医院） ； Heidelberger Institut für Radioonkologie (HIRO)（海德堡放射肿瘤学研究所） ； National Center for Tumor Diseases (NCT)（国家肿瘤疾病中心） ； Heidelberger Ionenstrahl-Therapiezentrum (HIT)（海德堡离子束治疗中心） ； Universitätsklinikum Heidelberg, Neurochirurgie（海德堡大学医院神经外科） 纠错

专题命中 病理影像 ：MRI(abstract)；分类 cs.CV

AI总结 本文提出RICE-NET模型，利用纵向MRI数据与放疗剂量分布，通过常规T1加权MRI实现自动病变分类，实验显示在92名患者中达到0.92的F1分数，证明多模态深度学习在神经肿瘤学中的诊断潜力。

Improving Fine-Grained Rice Leaf Disease Detection via Angular-Compactness Dual Loss Learning

通过角度-紧致双损失学习提升水稻叶片疾病细粒度检测

Md. Rokon Mia, Rakib Hossain Sajib, Abdullah Al Noman, Abir Ahmed, B M Taslimul Haque

机构 * Begum Rokeya University, Rangpur（贝古姆·罗基亚大学，朗布尔） ； Wilmington University（威尔明顿大学） ； Washington University of Science and Technology（华盛顿科学与技术大学） ； Central Michigan University（中密歇根大学） 纠错

专题命中 病理影像 ：pathology(abstract)；分类 cs.CV

AI总结 本文提出结合中心损失与ArcFace损失的双损失框架，提升水稻叶片疾病细粒度分类性能，采用三种先进主干网络在公开数据集上取得高准确率。

A Bayesian Gamma-power-mixture survival regression model: predicting the recurrence of prostate cancer post-prostatectomy

一种贝叶斯伽马幂混合生存回归模型：根治前列腺癌术后复发的预测

Tommy Walker Mackay, Mingtong Xu, Shahrokh F. Shariat, Roger Sewell

专题命中 病理影像 ：MRI(abstract)；分类 q-bio

AI总结 本文提出一种贝叶斯伽马幂混合生存回归模型，用于预测前列腺癌根治术后复发，通过比较不同预手术变量子集的ASI，发现血清学指标比影像学指标更有效，且TGFbeta1等生物标志物具有较高重要性。

Comments 19 pages, 13 figures, 3 tables