基于自注意力相似性引导的图卷积网络用于多类型低级别胶质瘤分类

一、研究背景

低级别胶质瘤是一种常见的恶性脑肿瘤,由大脑和脊髓中的胶质细胞癌变引起。胶质瘤具有发病率高、复发率高、死亡率高和治愈率低等特点。正确分类多类型低级别胶质瘤对患者的预后至关重要。在诊断上,医生通常利用磁共振成像(MRI)和计算机断层扫描(CT)分析胶质瘤细胞的异柠檬酸脱氢酶(IDH)突变状态。

IDH突变状态是区分野生型和突变型胶质瘤的重要标志。传统上需要通过活检或手术切除来进行免疫组织化学或基因测序,从而确定IDH突变状态。由于活检存在一定风险,因此开发无创预测IDH突变状态的计算机辅助诊断方法具有重要意义,可避免患者接受不必要的手术风险。

二、论文来源

该论文发表于IEEE生物医学与健康信息学期刊(IEEE Journal of Biomedical and Health Informatics)2023年7月刊。论文作者分别来自河南农业大学信息与管理科学学院。

三、研究内容

1) 研究流程

该研究提出了一种基于自注意力相似性引导的图卷积网络(SASG-GCN),用于从MRI图像中分类肿瘤灶(TF)、突变型胶质瘤(MG)和野生型胶质瘤(WTG)三种类型。SASG-GCN的工作流程包括:

(1) 采用卷积深度信念网络(CDBN)从MRI连续切片中提取特征向量,作为构建图网络的节点。

(2) 提出基于自注意力相似性(SAS)方法,计算特征向量之间的相似性系数,作为构建图网络的边权重。

(3) 根据提取的特征向量和相似性系数,构建一个包含64个节点和835条边的图网络。

(4) 将构建的图网络输入两层图卷积网络(GCN)进行分类预测。

2) 主要结果

该研究在TCGA-LGG数据集(包括402例MRI图像)上进行了实验评估,结果表明:

• SASG-GCN在三分类任务上取得了93.62%的最高精确度,优于多种其他最新方法。
• 与基于2D切片或3D图像的卷积神经网络相比,SASG-GCN能更好地捕获MRI图像中的非线性关系和高维信息。
• 自注意力相似性引导策略显著提高了分类性能。
• 实验可视化显示了不同类型胶质瘤在构建的图网络上的差异特征。

3) 研究意义

该研究的主要创新点和意义包括:

• 提出了一种新颖的基于图卷积网络的胶质瘤多类别分类方法。
• CDBN用于降低高维MRI图像数据的维度,SAS捕获切片间的相似性关系,共同指导构建判别性的图网络表示。
  
• 实验证明了SASG-GCN在胶质瘤分类任务上的优异表现,为MRI图像处理提供了新的思路。
• 可视化分析揭示了不同类型胶质瘤在图网络结构上的显著差异,对临床诊断具有指导意义。

4) 研究亮点

• 提出创新的基于图卷积网络的胶质瘤分类框架。
• 自注意力相似性引导策略有效提取高维数据特征和切片间关联。
• 实验表明所提方法在胶质瘤多分类任务上取得了最新最优性能。
• 图网络构建和可视化分析为临床诊断提供了新的解释性方法。
  

四、总结

该研究提出了一种创新的SASG-GCN模型,通过构建包含切片语义和切片相似性信息的判别性图网络表示,实现了低级别胶质瘤的无创精准分类。研究成果不仅在理论上拓展了图卷积网络在医学图像处理中的应用,而且为临床胶质瘤诊断提供了新的计算机辅助工具,具有重要的科学价值和应用前景。