Discover Computing·10月6日 · 周二论文农业遥感与作物表型阅读 0
A modular pancreas segmentation and multimodal fusion framework for clinical and CT decision support in acute pancreatitis
Zhang Gengning · Jianqi Li · Jie Jiang 等 5 人
论文解读
0未达精选线
速览
提出模块化胰腺分割与多模态融合框架，结合临床与CT数据预测急性胰腺炎风险。
方法
自动胰腺ROI分割与质控，提取影像组学和冻结深度特征，用校准堆叠集成融合。
发现
多模态堆叠集成AUC达0.913，校准和决策曲线优于对比模型。
机会点
可迁移至农业领域，探索作物影像与农艺数据融合的模块化决策支持框架。
影响力0
信息增量0
专业深度0
信源权威0
时效性0
该论文研究急性胰腺炎的胰腺分割与多模态融合临床决策支持，属于医学影像与临床AI领域，与三农、农业信息化、智慧农业、数字乡村等主题无关，不建议进入每日精选。
原文摘要
急诊影像中的及时决策支持需要稳健地整合结构化临床变量与增强CT，同时尽量减少依赖阅片者的处理并提高可重复性。我们以急性胰腺炎为案例，提出了一种用于多模态临床–CT预测的模块化分割到融合框架。该流程采用自动胰腺感兴趣区（ROI）生成并结合分割后质量控制，提取互补的影像组学特征与冻结深度特征，并通过校准的堆叠集成整合多模态证据。我们在一个回顾性单中心增强CT队列上评估了该框架，采用内部训练与留出测试划分，评估了区分度、校准度和决策曲线性能。所提出的多模态堆叠集成在内部留出测试队列上达到AUC为0.913（95% CI 0.840–0.972），与对照模型相比，校准度和决策曲线性能均有所改善。这些结果表明，在单中心回顾性设置下，可重复的多模态临床–影像融合可为急性胰腺炎（AP）的内部风险估计提供补充信息。
信源（1 个）