Autoencoder variazionale condizionale residuo per l'armonizzazione delle cara...
Questo studio propone un modello di Autoencoder variazionale condizionale residuo (ResCVAE-Harmonizer) che integra le informazioni sui lotti e le covari...
Fabrizio Devito — Infermiere
Fonte: Journal of imaging informatics in medicine (2026) · PMID: 41927822
Autori: Wang Bingzhen, Liu Jinghua, Zhang Xiaolei
Titolo originale: Residual Conditional Variational Autoencoder for Multi-Center PET/CT Radiomic Feature Harmonization with Integrated Modeling of Batch Effects and Clinical Covariates.
Abstract
Questo studio propone un modello di Autoencoder variazionale condizionale residuo (ResCVAE-Harmonizer) che integra le informazioni sui lotti e le covariate cliniche per l’armonizzazione delle caratteristiche multicentriche e valuta sistematicamente e in modo completo le sue prestazioni di armonizzazione. Questo studio ha raccolto 806 casi da 9 diversi centri. Dopo la pre-elaborazione, sono stati estratti tre tipi di caratteristiche dalle immagini PET e CT: caratteristiche radiomiche a bassa dimensione, caratteristiche radiomatiche ad alta dimensione e caratteristiche di deep learning basate su 3D-DenseNet-121. Ogni tipo di caratteristica è stato armonizzato utilizzando ComBat, CovBat e il ResCVAE-Harmonizer proposto. Sia le caratteristiche armonizzate che quelle originali sono state incluse in un quadro di valutazione completo che comprende l’analisi dell’omogeneità della varianza, il test di classificazione multicentrico e la valutazione dell’efficacia delle attività a valle. Il ResCVAE-Harmonizer ha migliorato significativamente la coerenza delle caratteristiche cross-center. I risultati del test di Levene hanno mostrato una riduzione generale del - log
Fabrizio Devito
Commenti