首页 期刊 生物医学工程学 基于深度学习和组织形态分析的肺癌基因突变预测 【正文】

基于深度学习和组织形态分析的肺癌基因突变预测

作者:王荃; 沈勤; 张泽林; 蔡程飞; 鲁浩达; 周晓军; 徐军 南京信息工程大学自动化学院; 南京210044; 江苏省大数据分析技术重点实验室; 南京210044; 南京军区总医院病理科; 南京210002
深度学习   肺癌   病理图像   基因突变   精准医疗  

摘要:肺癌是一种常见的肺部恶性肿瘤,是全球发病率和死亡率最高的恶性肿瘤。对于发生了表皮生长因子受体(EGFR)基因突变的晚期非小细胞型肺癌患者,可以使用靶向药物来进行针对性治疗。EGFR基因突变的检测方法很多,但是各有优缺点。本文拟通过探索非小细胞型肺癌苏木精-伊红(HE)染色的全扫描组织病理图像形态学特征与患者EGFR基因突变之间的关联,达到预测EGFR基因突变风险的目的。实验结果表明,本文所提出的EGFR基因突变风险预测模型的曲线下面积(AUC)在测试集上可达72.4%,准确率为70.8%,提示非小细胞型肺癌全扫描组织病理图像中的组织形态学特征与EGFR基因突变之间存在密切关联。本文从病理图像的尺度来分析基因分子表型,将病理组学和分子组学相融合,建立EGFR基因突变风险预测模型,揭示全扫描组织病理图像和EGFR基因突变风险的关联性,或可为该领域提供一个颇具前景的研究方向。

注:因版权方要求,不能公开全文,如需全文,请咨询杂志社

学术咨询 免费咨询 杂志订阅