换一批基于病理组织切片的肺腺癌肿瘤突变负荷预测模型
Prediction Model of Tumor Mutation Burden for Lung Adenocarcinoma Based on Pathological Tissue Slice
摘要肺癌是目前死亡率最高的恶性癌症之一,其中非小细胞肺癌(NSCLC)致死率极高.最近医学研究发现,肿瘤突变负荷(TMB)对于癌症的免疫治疗和化疗的疗效具有较好的预测作用,但传统使用基因测序计算TMB的方法存在检测成本高、周期长、样本依赖度高等缺点.针对上述问题,本研究提出一种混合卷积神经网络和自注意力机制的深度学习模型(FCA-Former)用于预测TMB.该模型以CoAtNet为骨干网络,通过在网络中结合坐标注意力以及融合深度可分离卷积的方式,提高模型的运算速度以及对病理组织切片图像的全局特征提取能力.实验数据采用TCGA数据库中肺腺癌数字病理切片图像数据集,其中高TMB水平的样本271张,低TMB水平的样本66张.实验结果表明,所提方法达到的最高平均曲线下面积(AUC)为98.1％,比现有最好方法RcaNetr提高9.8％.此项研究结果对于NSCLC的预后治疗效果具有较强的指导意义.
更多相关知识
关键词
非小细胞肺癌肿瘤突变负荷(TMB)卷积神经网络non-small cell lung cancertumor mutation burdenconvolutional neural networks
分类号
R318（医用一般科学）
栏目名称
DOI
10.3969/j.issn.0258-8021.2023.06.007
发布时间
2024-03-15（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1
- 下载0
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
