【摘 要】
：
非小细胞肺癌（Non-small-cell lung cancer,NSCLC）是一种最常见的肺癌类型,具有高发病率与死亡率的特点。准确地预测NSCLC癌患者的生存期与分子亚型可以为临床医生制定个性化治疗方案提供指导,对改善患者预后、提高长期生存率具有重要意义。随着高通量技术的迅速发展,NSCLC患者的临床与多组学数据被大量收集,为开展广泛的预测研究提供基础。已有研究表明融合临床与多组学数据对NS
论文部分内容阅读
非小细胞肺癌（Non-small-cell lung cancer,NSCLC）是一种最常见的肺癌类型,具有高发病率与死亡率的特点。准确地预测NSCLC癌患者的生存期与分子亚型可以为临床医生制定个性化治疗方案提供指导,对改善患者预后、提高长期生存率具有重要意义。随着高通量技术的迅速发展,NSCLC患者的临床与多组学数据被大量收集,为开展广泛的预测研究提供基础。已有研究表明融合临床与多组学数据对NSCLC生存期与分子亚型进行综合分析可以显著提升预测性能。组学数据具有特征维度高和异质性强的特点,如何有效提取和融合各组学特征是开展NSCLC预测研究的难点之一。当前的NSCLC预测研究在提取组学特征时仅考虑部分相关度高的特征,遗漏大量可用信息,在融合多组学数据进行综合研究时忽略了组学数据的高度异质性,导致模型预测性能较差。鉴于深度神经网络具有优异的特征提取和融合能力,本文研究基于深度神经网络的NSCLC生存期分类和分子亚型识别。主要研究内容和成果如下:构建了NSCLC生存期分类数据集和分子亚型识别数据集。在分析了NSCLC临床与组学相关数据库后,选定TCGA数据库作为数据来源。获取了1089例NSCLC患者的临床信息、基因表达、micro RNA、拷贝数变异、DNA甲基化数据。针对各类数据间差异性和两种预测任务要求,通过数据清洗、格式转换和标准化处理等操作,将组学序列转换为单通道的二维矩阵格式,便于提取相应组学特征。经数据筛选和分组后构建了生存期分类数据集和分子亚型识别数据集。设计了基于深度神经网络的生存期分类模型。提出了以卷积神经网络为骨架的特征提取模块,以获取各组学数据的抽象特征表示。设计了基于自注意力机制和深度神经网络的生存期分类网络（ADNNC）,以提升数据融合效率。在NSCLC生存期分类数据集上的测试结果显示,ADNNC的准确率相较于XGBoost等3种常用分类算法至少提高了7.5%。设计了基于深度神经网络的分子亚型识别模型。针对组学特征异质性高的问题,利用自注意力机制、深度神经网络和K均值聚类方法设计了分子亚型识别网络（ADNNT）,以提高组学特征的利用率。与高斯混合模型等常用聚类算法在分子亚型识别数据集上的对比结果显示,ADNNT聚类后的样本有更大的类间距离和更小的类内距离。实验结果表明,ADNNT可将临床中两种病理亚型细分为五种分子亚型,有助于临床医生针对特定分子亚型患者制定差异化治疗策略,以改善患者预后情况。
其他文献
近年来,为满足后摩尔时代高速和低功耗计算与存储技术发展要求,人们把目光转向了自旋波器件,于2018年提出了磁性绝缘体/非磁金属/磁性绝缘体的磁子阀结构。紧接着,我们提出了一种室温电控磁子阀结构及非易失存储器件,其是基于磁子阀结构实现电场调控器件中磁矩转动和磁阻的变化,实现了电控磁存储功能,可进一步降低器件功耗。本文着重围绕该器件结构中多铁交换偏置异质结结构进行研究,包括研究异质结材料的制备、产生机
随着环境保护的不断普及,太阳能作为可再生能源在通信系统中的应用越来越受到关注,其正在逐步取代传统电源成为系统供电的替代方案。将太阳能电池和天线有效集成,可以缩减通信系统占用的体积,同时降低供电成本。目前,太阳能电池集成天线带宽窄、增益低,很难应用在宽带通信领域,且大多研究集中在与天线单元的集成。而平面螺旋天线具有频带宽、圆极化性能好、便于集成等优点。基于这一情况,本文对太阳能电池集成平面螺旋阵列天
近年来,随着高性能计算设备以及低成本点云传感器的发展,计算机视觉的研究方向逐步从二维拓展到三维。其中,三维点云识别作为一项关键任务,是当今三维视觉领域的一大研究热点。随着人工智能的发展,基于深度学习的点云识别算法是当下的主流研究方向。其中,以Point Net++为代表的层次表示方法以局部到全局的方式有效地挖掘了点云中潜在的形状信息,在点云识别任务中有着突出的表现。然而,现有的层次表示方法在采样策
随着通信技术的不断发展及5G商用的大规模铺开,信号传输朝着高速高频和低时延的方向不断发展。聚四氟乙烯（PTFE）基复合材料拥有着在微波频段稳定的微波介电性能和易加工的特性,可以满足微波电路和微波器件日益增长的高频化、集成化需求。本实验选取PTFE为基材,以Ag@TiO2核壳结构、ZnNb2O6陶瓷作为填料,以LCP A950纤维作为增强相,对具有高介电常数以及中低介电常数的两种PTFE基微波复合材
氧化铟锡和二硫化钼,作为原子层厚度的高迁移率新型超薄半导体材料,可抑制短沟道效应,提升栅控,并为高截止频率器件的实现提供可能,由此受射频领域工作者关注。此外,建模工作可预测器件性能指标,降低实验试错成本,很大程度促进射频领域发展。然而,针对新型超薄材料射频晶体管等效电路建模工作却少有展开。因此,为分析新材料器件的直流和射频特性,同时通过模型参数分析结果指导器件工艺和新材料生长的优化方向,本文开展氧
随着互联网和通信产业的飞速扩张,微波射频电路和系统越来越受到各界科研工作者的重视。面对划分地越来越细的频段,多频的元器件及电路设计成为研究热门。多通带滤波功能性融合器件是一种将多路滤波功能同时集成到传统微波器件的单体多功能融合器件,能够在射频电路前端的多个关键节点处滤除干扰信号以及非线性器件产生的交调和谐波信号。本论文主要针对高选择性多通带带通滤波器,高隔离度多通带滤波功分器以及多通带开关切换冷热
应用自适应光学（Adaptive optics,AO）技术校正光束经随机介质传输时的波前相位畸变,消除其对成像系统的影响。当波前像差快速变化时,迭代时间长、收敛受限的传统算法无法达到自适应光学系统实时校正波前的要求。因此,本论文提出了基于贝叶斯优化（Bayesian Optimization,BO）下的卷积神经网络（Convolutional Neural Network,CNN）的非迭代式波前校
婴幼儿血管瘤,以下简称血管瘤,是小儿临床最常见的软组织肿瘤之一。血管瘤1岁之前的发病率高达10%-20%,大部分可自动痊愈,但是部分严重的会威胁到婴儿的正常生长乃至生命。准确判别血管瘤风险等级并采取相应的治疗措施,这一工作目前主要是由具有较高专业素养的儿科医生手动完成。高专业素养儿科医生的缺失,部分家长对血管瘤风险的忽视,容易耽误血管瘤的及时治疗。使用人工智能的方法,对血管瘤的状态做出自动且准确的
基于MRI图像的自动分割算法在计算机辅助诊断及治疗等方面有着广泛应用。近年来,基于深度学习的图像分割技术快速发展,但在精确度和鲁棒性上依然不能完全满足严苛的临床要求。比如,现有分割方法有时难以区分器官与组织的边界,对小器官的分割效果也不甚理想。本文针对MRI图像多器官分割中的难点,研究了网络特征的间隔弥合问题及解耦问题,并通过改进网络结构及损失函数,提高分割精度。在MRI图像多器官分割网络中,经常
隐身能力是新一代军用武器的重要特征之一,隐身技术发展在军事领域具有重要意义,其关键在于降低目标的雷达散射截面（Radar Cross Section,RCS）。目前研究多数集中在镜面散射的RCS缩减问题,而在实际应用中,对于目标的细长部位,通常还存在较强的表面行波散射,不可忽视。本研究以高阻抗表面（High Impedance Surface,HIS）为研究对象,同时结合频率选择表面（Freque