目的构建适应中国人群的乳腺钼靶图像分类辅助系统,探讨人工智能技术在国内辅助乳腺癌早期筛查的潜力。方法为复现当前文献中的主流深度学习方法,利用乳腺X线筛查数字数据库子集(curated breast imaging subset of digital database for...
详细信息
目的构建适应中国人群的乳腺钼靶图像分类辅助系统,探讨人工智能技术在国内辅助乳腺癌早期筛查的潜力。方法为复现当前文献中的主流深度学习方法,利用乳腺X线筛查数字数据库子集(curated breast imaging subset of digital database for screening mammography,CBIS-DDSM)、乳房X线图像分析学会数据库(mammographic image analysis society database,MIAS)等国际公开数据集分别进行模型训练,并在华教科技有限公司提供的中国人群乳腺钼靶图像数据集(Chinese breast mammography dataset,CBMD)上进行测试和模型性能比较;针对中国人群数据在公开数据集训练模型性能测试不理想的问题,结合中国人群数据特点,提出基于滑动窗口调窗机制的优化策略,设计二阶段迁移学习方法,以提升模型的整体性能,并进行系统研发。结果使用滑动窗口调窗机制及二阶段迁移学习后的CBMD训练模型,以中国人群数据集为测试集,其准确度从默认窗口下公开数据集训练模型的0.50提升至0.80,精度从0.54提升至0.82,灵敏度从0.52提升至0.80,F1值从0.52提升至0.80,AUC值从0.51提升至0.89。结论本研究引入滑动窗口调窗机制和二阶段迁移学习策略,显著提升了乳腺钼靶图像分类模型在中国人群数据集上的性能,初步达到适应中国人群的乳腺钼靶图像辅助分类的目的。
目的通过分析tsRNA在肺腺癌中的差异表达情况及其表达水平与患者预后的关系,进一步筛选并验证肺腺癌相关tsRNA,以了解其在肺腺癌发生和进展中的相关机制。方法基于计算医学中心数据库筛选出在肺腺癌组织和正常组织中差异表达的tsRNA;基于癌症基因组图谱(The Cancer Genome Atlas,TCGA)数据库分析tsRNA表达水平对肺腺癌患者预后的影响;基于TRFtarget2.0和tRFTar数据库预测靶基因;基于DAVID、KOBA KEGG在线网站进行基因本体论(Gene Ontology,GO)富集分析和京都基因和基因组百科全书(Kyoto Encyclopedia of Genes and Genomes,KEGG)通路分析;基于阿拉巴马大学伯明翰分校癌症数据分析门户(the University of Alabama at Birmingham CANcer data analysis Portal,UALCAN)分析靶基因在肺腺癌组织和正常组织中的表达水平。采用增殖实验、迁移实验、侵袭实验验证tRF-19-69M8LOJX在肺腺癌细胞中的生物学功能。结果与正常组织相比,tRF-19-69M8LOJX在肺腺癌组织中表达上调(log2FC=4.28,FDR<0.05)。高表达水平的tRF-19-69M8LOJX预示着更短的无进展生存期(HR=1.565,95%CI=1.142~2.145,P=0.005);过表达tRF-19-69M8LOJX促进A549细胞的增殖、迁移(P<0.001)和侵袭(P=0.009);COL1A1(P=0.002)和VCAN(P=0.022)在tRF-19-69M8LOJX过表达细胞模型中显著上调。结论tRF-19-69M8LOJX在肺腺癌组织的表达水平上调,与患者不良预后密切相关,可能在肺腺癌的发生发展中起着重要作用。
暂无评论