换一批摘要近年来,肺癌的发病率和死亡率不断攀升,已成为对人类生命健康威胁最大的恶性肿瘤之一,而非小细胞肺癌(NSCLC)发病率占肺癌总发病率的80％以上.由于其复杂的诊断过程和昂贵的诊断成本,NSCLC的有效诊断和治疗已成为医生面临的巨大挑战.医学相关研究发现,肿瘤突变负荷(TMB)与NSCLC免疫治疗的疗效呈正相关,同时TMB值对靶向治疗和化疗的疗效具有一定的预测作用.基于上述发现,本研究提出一种深度学习模型(RcaNet),该模型以残差网络(ResNet)为骨干网络,在网络内增加多维度特征注意和多尺度信息融合,以增强网络对肺癌病理组织切片深层特征的关注与提取能力.通过将RcaNet与主流深度学习模型在TCGA公开数据集上进行实验,实验训练样本数为925 954张.结果表明,RcaNet模型的性能平均曲线下面积(AUC)值为0.883 0,比现有结果最好的CAIM模型高出6.8％,比ResNeSt模型高出4.2％,比ResNet模型高出5.3％.研究结果对非小细胞肺癌诊断治疗有较强的指导意义,具有较高的应用价值.
更多相关知识
分类号
R318（医用一般科学）
栏目名称
DOI
10.3969/j.issn.0258-8021.2023.01.006
发布时间
2023-04-11（万方平台首次上网日期，不代表论文的发表时间）
基金项目
- 浏览0
- 被引8
- 下载0
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
