当前位置: 首页 > 学科科研 > 学术动态 > 正文
【成果喜报】新莆京游戏大厅官方入口崔少国教授团队提交的论文“CM-HTNet: CNN-Mamba-based Framework for Predicting Hemorrhagic Transformation Risk of AIS Patients using Sequence Relationship Modeling and Multi-Modal Cross Attention”被生物信息学旗舰会议BIBM 2024录用
作者:佚名,2024-10-16,编辑:周杨,浏览量: 次

 

近日,IEEE生物信息与生物医学国际会议IEEE International Conference on Bioinformatics and Biomedicine(BIBM 2024)录用结果公布,新莆京游戏大厅官方入口崔少国教授指导的2022级硕士研究生黄宇翔撰写的论文《CM-HTNet: CNN-Mamba-based Framework for Predicting Hemorrhagic Transformation Risk of AIS Patients using Sequence Relationship Modeling and Multi-Modal Cross Attention》被该会录用为主会长文(Regular Paper)。这是新莆京游戏大厅官方入口智慧医疗团队首次在生物信息学旗舰会议BIBM上发表论文,也是新莆京游戏大厅官方入口在智慧医疗领域取得的又一重要成果。

本研究基于来自六家医院的512名AIS患者的非增强CT(NCCT)图像和临床数据构建了一个多中心数据集,提出了CM-HTNet深度学习智能预测模型框架。该框架借鉴了临床医师CT影像阅片过程,重点关注有病灶关键特征的CT切片,并综合考虑重点切片相邻数张切片的信息做出疾病诊断。

CM-HTNet首先通过3D-CNN骨干网络并发地提取CT序列中每张切片的影像特征,并将这些影像特征按切片顺序拼接,形成可供Mamba网络进行建模的序列数据。然后,CM-HTNet利用Mamba中的选择性状态空间模型(SSM)进一步捕捉切片序列之间的复杂关系,并利用Mamba特性来优先选择处理与HT预测相关的特征,忽略序列数据中与预测任务无关的冗余特征。此外,CM-HTNet框架中还集成了改良的邻域粗糙集(KRS)算法进行临床特征选择,并利用交叉注意力机制将临床数据与影像数据融合,采用多模态机器学习来进行HT风险预测。

在一个完全独立的外部测试数据集(测试数据均来自外部医院,且模型在训练与验证时完全不可见)上,CM-HTNet表现出88.85%的预测准确率和95.17%的AUC,表现出了其出色的性能和良好的泛化能力。

BIBM会议是中国计算机学会 CCF B类会议,主要聚焦于计算机科学与生物医学领域的前沿交叉研究,每年吸引来自计算机科学、生物学、化学、医学、统计学等多个学科的专家参会,属于生物信息学旗舰会议,在国际上享有很高的声誉与影响力。今年会议共收到1695篇论文投稿,其中仅354篇被接收为主会长文(Regular paper),接收率仅为21%。BIBM 2024会议将于2024年12 月3日至6日在葡萄牙里斯本召开。

 

关闭


地 址:重庆市沙坪坝区大学城中路37号 , 致用楼  
邮 编:401331     院 办: 023-65910275
教科办:023-65910270 学工办: 023-65910272

Copyright@版权所有 澳门新莆京游戏大厅版本-官方入口,2010-2022 
网页设计:汪晓玲
技术支持:谭华山,E-Mail:6510388@qq.com