TiMoS-Net：一种多时相图像与形态学空间特征融合网络，用于预测乳腺癌新辅助化疗的反应

生物通首页 > 今日动态 > 正文

TiMoS-Net：一种多时相图像与形态学空间特征融合网络，用于预测乳腺癌新辅助化疗的反应

时间：2026年2月2日

来源：Biomedical Signal Processing and Control

编辑推荐：

病理完全缓解预测；多时相医学影像；形态学特征融合；时间注意力机制；自监督预训练

陈进|陈思怡|沈海欣|唐文杰|陈永新|肖杰|郭远|周前伟

浙江工业大学计算机科学与技术学院，中国杭州310023

摘要

基于人工智能的诊断系统在临床决策支持中发挥着越来越重要的作用。本研究介绍了一种名为TiMoS-Net的新型多时相图像与空间形态学特征融合网络，该网络专为早期预测乳腺癌新辅助化疗（NAC）的反应而设计。TiMoS-Net将纵向MRI数据与先进的空间形态学特征相结合，采用了一种结合自我监督和标签引导的预训练策略，以及时间注意力机制来捕捉肿瘤的动态变化，并通过复杂的拓扑和分形形态学特征提取方法进行处理，最后通过遗传算法进行特征融合。该模型在452名患者队列中进行了验证，显示出对病理完全缓解（pCR）的优异预测性能，在外部验证队列中的曲线下面积（AUC）分别为0.898和0.922，显著优于传统的单时相方法和仅依赖时间图像数据的模型。消融研究证实了时间注意力机制和先进形态学特征对模型效果的重要贡献。此外，放射基因组学分析将图像预测结果与特定的生物通路和免疫细胞浸润模式联系起来，生存分析表明预测的pCR状态与患者预后的改善之间存在显著关联。TiMoS-Net提供了一种强大且易于解释的方法，用于提高NAC反应的预测能力，为乳腺癌的个性化治疗策略提供了宝贵的见解。

引言

乳腺癌是全球女性中最常见的恶性肿瘤，对女性健康构成严重威胁[1]。近年来，随着对乳腺癌生物学行为的深入理解和治疗技术的进步，新辅助化疗（NAC）已成为局部晚期乳腺癌（LABC）的标准治疗方案，并越来越多地应用于选定的早期病例中，以降低肿瘤分期、实现保乳手术并评估体内化疗敏感性[2]、[3]。NAC的主要目标是通过术前化疗缩小肿瘤体积和降低分期。这种方法提高了保乳手术（BCS）的可行性，并减少了腋窝淋巴结清扫的范围。然而，NAC的效果在患者之间存在显著差异，病理完全缓解（pCR）率大约在30%到50%之间[4]，部分患者在接受NAC后甚至可能出现疾病进展[5]。因此，准确预测患者对NAC的反应对于优化和及时调整治疗策略至关重要。目前，临床实践中缺乏能够准确预测乳腺癌患者NAC效果的可靠成像生物标志物[6]。

为应对这一挑战，研究人员探索了使用放射组学和深度学习对医学图像进行定量分析的方法。然而，现有研究存在三个主要局限性：首先，大多数研究依赖于单时相图像，忽略了治疗过程中肿瘤的动态变化；其次，空间形态学特征和时间演化特征通常被分开处理，限制了对肿瘤异质性轨迹的全面理解；第三，针对时间医学图像的特定任务预训练策略很少被采用，这在数据稀缺时是一个关键问题。

为了克服这些局限性，我们开发了TiMoS-Net，这是一种时间图像与形态-空间特征融合网络。基于多区域、多中心的数据，我们的模型旨在整合治疗过程中肿瘤的时间动态和空间形态学特征。我们工作的主要贡献包括：（1）一个端到端的网络，能够同时学习和融合空间和时间特征以预测pCR；（2）一种专为时间医学图像数据设计的新型预训练策略；（3）在多样化的多中心数据集上进行全面验证，以证明模型的鲁棒性和泛化能力。

概述

本研究介绍了TiMoS-Net，这是一个用于准确预测新辅助治疗后pCR的集成框架。为了解决治疗反应评估的多方面问题，TiMoS-Net将纵向MRI信息与定量形态学描述符结合在一个多模态工作流中，如图1所示。

所提出的框架包括五个核心组成部分：首先，一个针对多中心数据集定制的傅里叶域谐波化流程，用于标准化

患者特征

主要队列（PC）包括217名患者，平均年龄约为48.3岁，基线肿瘤最长直径（LD）范围为3.7 ± 1.9毫米至4.6 ± 2.4毫米。外部验证队列1（EVC1）包括121名患者，平均年龄在48.3 ± 8.8岁至49.0 ± 8.7岁之间，基线LD范围为63.0 ± 23.2毫米至68.5 ± 29.2毫米。外部验证队列2（EVC2）包括114名患者，平均年龄在50.4 ± 10.9岁至

讨论

在本研究中，我们开发并验证了TiMoS-Net，这是一个用于预测乳腺癌患者对NAC反应的模型。通过整合来自纵向MRI数据的空间形态学信息和时间动态，TiMoS-Net显著提高了NAC反应预测的准确性，并在多中心数据集中展示了出色的泛化性能，不同队列的AUC值范围为0.898至0.978。与传统方法相比

CRediT作者贡献声明

陈进：撰写 – 审稿与编辑，撰写 – 原始草稿，可视化，验证，监督，软件，资源，方法论，调查，正式分析，数据管理，概念化。陈思怡：撰写 – 审稿与编辑，撰写 – 原始草稿，可视化，验证，监督，调查，正式分析，数据管理，概念化。沈海欣：撰写 – 审稿与编辑，撰写 – 原始草稿，可视化，软件，方法论，调查。