目的 针对现有方法骨肉瘤评估精度低的问题,提出一种基于深度学习的高精度骨肉瘤化疗效果影像评估方法用于临床治疗。方法骨肉瘤发病率低,导致其影像数据规模小,且数据类别存在不平衡问题。本研究结合深度学习与临床医疗信息,结合了BoneGAN的骨肉瘤生成模块和尺度病变信息捕获模块,提出基于多尺度病变注意力网络的骨肉瘤化疗效果的深度学习评估网络OMLA-Net,通过预训练与泛化损失训练,实现了集成数据增广与聚焦病变信息的计算机辅助骨肿瘤评估。结果 本研究以40例骨肉瘤磁共振医学影像数据为基础,在生成的数据集上进行对比试验,OMLA-Net评估的准确率和F1分数等评估效果 方面优于SOTA方法Conv-LSTM-GAN,且差异具有统计学意义(
P<0.05);后续的K-fold交叉验证消融实验进一步证明了OMLA-Net提出的各个模块的有效性。结论 OMLA-Net能够有效地进行骨肉瘤化疗效果影像评估,为未来的临床应用提供了新的思路。