High-Risk Factor Prediction in Lung Cancer Using Thin-CT Scans: An Attention-Enhanced Graph Convolutional Network Approach
发布时间：2024-04-26浏览量：
该论文提出了一种融合注意力机制的图卷积神经网络（AE-GCN），旨在准确识别肺结节的高危因子。现有研究表明，具有微乳头状、实体型等病理高危特征的肺癌患者，在接受某些特定手术后复发风险较高。因此，在选择胸外科手术方案时，对这类高危肺结节的精确识别至关重要。本研究通过引入GCN模型来建模切片之间的空间特征，并利用注意力机制捕获切片级别的语义信息，从而实现对高危肺结节的术前准确诊断。
更多文章
- Green’S Matching: An Efficient Approach to Parameter Estimation in Complex Dynamic Systems
- A Semiparametric Gaussian Mixture Model for Chest CT-based 3D Blood Vessel Reconstruction
- Efficient and Effective Calibration of Numerical Model Outputs Using Hierarchical Dynamic Models
- Subsampling Spectral Clustering for Stochastic Block Models in Large-Scale Networks
