基于深度学习的医学多模态数据融合方法在肿瘤学中的进展和挑战

作     者：蔡程飞 李军 焦一平 王向学 郭冠辰 徐军 CAI Chengfei;LI Jun;JIAO Yiping;WANG Xiangxue;GUO Guanchen;XU Jun

作者机构：南京信息工程大学自动化学院江苏南京210044 南京信息工程大学人工智能学院江苏南京210044 泰州学院信息工程学院江苏泰州225300 

出 版 物：《数据与计算发展前沿》 (Frontiers of Data & Computing)

年 卷 期：2024年第6卷第3期

页      面：3-14页

学科分类：1002[医学-临床医学] 100214[医学-肿瘤学] 10[医学] 

基　　金：国家自然科学基金(62171230 62101365 92159301 91959207 62301263 62301265 62302228 82302291 82302352) 

主　　题：多模态 医学数据 肿瘤学 深度学习 

摘      要：【目的】在肿瘤学中,患者有一系列的临床数据,从放射学、组织学、基因组学到电子健康记录。不同数据模式的整合为提高诊断和预后模型的稳健性和准确性提供了机会,使人工智能在临床实践发挥重要作用。【方法】本文将探讨深度学习技术以及其在肿瘤医学数据中的应用,并研究肿瘤学领域多模态数据融合方法的潜在影响和重要发现。【结果】多模态数据能够更好地发现与患者治疗响应、预后效果相关的信息,从而构建更加鲁棒的深度学习模型。【结论】深度学习已经在医学领域取得了显著的进展,特别是在肿瘤学研究中处理多模态医学数据。这些进展为临床提供了更准确、更快速的工具来进行肿瘤的检测、分割、分类和预后预测,同时也面临很多挑战亟须解决。