检索历史 清除

摘要癌症严重威胁人类健康，患者的预后评估有助于诊疗方案的确定，有着重要的临床意义。在预后评估中，生存预测是其中的重要变量，分子分型的预测也有助于判断新辅助治疗的疗效，但预后评估本身是一个相对困难的任务。随着人工智能技术发展，基于深度学习的预后评估取得了很大进展，且越来越得到医学专家认可。然而目前的基于深度学习的预后生存预测方法未充分利用医生先验，对多模态信息也使用较少，生存期预测的准确率还有待提高；基于深度学习的分子分型预测方法研究较少，未根据任务特点充分利用图像信息。本文以此出发，从不同预后评估角度研究了基于深度学习的泌尿系统癌症预后评估方法。本文的主要工作如下：<br>　　为了充分利用医生先验及多模态信息，本文提出了一种基于深度学习的肌层浸润性膀胱癌3年生存预测方法。首先设计了一种基于深度学习的半定量肿瘤微环境特征提取方法，在病理图像中分类六种肿瘤微环境图块，并以其统计特征作为肿瘤微环境特征。其次，搭建了融合肿瘤微环境特征、筛选后的病理图像特征以及临床特征的3年生存预测反向传播神经网络，在引入肿瘤微环境先验知识的同时，充分利用病理、临床多种信息。在公开数据集上对所提出方法进行测试，AUC达到0.95，验证了所提出的评估方法和所提取的特征对于预后生存预测的有效性。同时，通过消融实验发现病理图像整体的图像特征以及肿瘤微环境特征更具备预后评估的优势。<br>　　在利用迁移学习验证了肾透明细胞癌通过病理图像可以直接预测基于上皮-间质转化的分子分型后，为了在该分子分型对该癌种病理特征不明确时充分利用深度学习提取有效病理特征，本文搭建了一种两阶段的基于金字塔卷积和卷积模块注意力的神经网络。该模型通过金字塔卷积获取多尺度特征，借助在两个尺寸图块上的两阶段训练方式利用空间上下文信息，并使用卷积模块注意力单元加强大尺寸图块中重点区域的特征表现。在公开数据集对所提出方法进行测试，AUC达到0.88，验证了所提出模型及多尺度特征、空间上下文信息对分子分型预测的有效性。<br>　　综上，本文提出了一种基于深度学习的肌层浸润性膀胱癌3年生存预测方法，引入肿瘤微环境，充分利用了医生先验、病理图像、临床信息，取得了较好的3年生存预测准确率。搭建了一种两阶段的基于金字塔卷积和卷积模块注意力的神经网络，利用肾透明细胞癌病理图像对基于上皮-间质转化的分子分型进行了预测，充分利用了图像的多尺度信息、空间上下文信息，提升了预测性能。