结直肠癌化疗疗效的智能病理预测

发布时间：2024-04-06 16:49

　　背景结直肠癌(Colorectal cancer,CRC),全球高发恶性肿瘤[1,2]。化疗是抑制术后肿瘤生长的重要方式,极大提高了患者的生存期[3,4]。但不同个体对化疗反应不尽相同,仅20%真正得到临床获益,仍有多数出现化疗不反应(抵抗)。关于化疗效果的评价,疗程结束后肿瘤标志物CA199、癌胚抗原CEA检测及定期影像检查,是临床采用的主要方式,而可以一定程度上预测关于化疗不反应的功能机制、耐药基因及分子靶点的研究,不胜枚举,但仍待进一步整合及验证。无法在化疗前,预先评估化疗疗效是亟待解决的临床需求。因此,迫切需要增加新的无创高效的预测手段,精准筛选适宜人群。人工智能(Artificial Intelligence,AI),凭借其强大的图像识别、特征分析技术为创新结直肠癌预后评估方式带来了新角度,越来越多海内外研究期望联合AI解决此类临床难题。目前,在结直肠癌领域,借助AI平台协助评估预后主要是基于影像[5-7],基于病理将临床特征与预后状况通过AI算法相联系尚未得到有效开展。但已有研究证实可使用AI引导机器学习分析前列腺癌等病理图片预测患者疾病进展风险[8]。上述研究无疑能为结直...

【文章页数】：75 页

【学位级别】：硕士

【部分图文】：

图１－】数据转换（选定－转换）??Ｆｉｇｕｒｅ?１－１?Ｄａｔａ?ｃｏｎｖｅｒｓｉｏｎ?（ｓｅｌｅｃｔｉｏｎ－ｃｏｎｖｅｒｓｉｏｎ）??

?碰士学位论文???表１－１病理扫描仪数据详情??Ｔａｂｌｅ?１－１?Ｐａｔｈｏｌｏｇｉｃａｌ?ｓｃａｎｎｅｒ?ｄａｔａ?ｄｅｔａｉｌｓ??扫描仪品牌?型号?倍数?生成格式??Ｌｅｉｃａ?Ａｐｅｒｉｏ?ＡＴ２?４０Ｘ?ＮＤＰＩ??３ＤＨＩＳＴＥＣＨ?Ｐａｎｎｏｒａｍｉ?ｃ?ＳＣＡ....

图１－２数据转换（转换－储存）??Ｆｉｇｕｒｅ?１－２?Ｄａｔａ?ｃｏｎｖｅｒｓｉｏｎ?（ｃｏｎｖｅｒｓｉｏｎ－ｓｔｏｒａｇｅ）??１．３．４研究对象分组及数据分配??

＃ＴＫｓＫａ〇１４－６１０－ＨＥ．５ｖｉ?Ｑｕｅｕｅｄ?｜??□?ｇＣＩＳ?Ｏｂｔｅｓｔ?ｓｌｉｄｅ＾ＰＯｔｌ－２０?Ｅ？１?ＣｒｔＳＢＴ＾：ＰＤＬ１－Ｍ＿ｗｓ?Ｑｕｅｕｅｄ?ｙ?－??Ｉ：：］?Ｑ３Ｓ?ＱＡｔｃｓｔ?？ｌｉｄ？＊＼ｉｐｅｆｍ?ＦＩＳＨ?Ｂ９?Ｃ：＼ＳＢＴＫ＼ｊｐ....

图１－３数据分组分配流程图??Ｆｉｕｒｅ?１－３?Ｆｌｏｗ?ｃｈａｒｔ?ｏｆ?ｄａｔａａｃｋｅｔ?ａｌｌｏｃａｔｉｏｎ??

?领士学位论文???③最终分组：根据以上的分组条件将研宄对象分为反应组／部分反应组４１??例（Ｎ＝４１），不反应组／进展组４８例（Ｎ＝４８）。??（２）训练集与测试集数据分配??为了得到有价值的结果，考虑到数据的分配问题，为了保证客观性，防止挑??数据的现象出现，在数据分配上，训....

图１－５切片分块、数据增强展示??

?硕士学位论文???Ｓ?圍■＿，??（ａ）??ｍｍｍｍ??（ｂ）??图１－５切片分块、数据增强展示??（ａ）反应组／部分反应组（ｂ）不反应组／进展组??Ｆｉｇｕｒｅ?１－５?Ｓｌｉｃｉｎｇ?ａｎｄ?ｄａｔａ?ｄｉｓｐｌａｙ??（ａ）?Ｒｅｓｐｏｎｓｅ?ｇｒｏｕｐ?／?ｐａｒｔｉａ....

本文编号：3946900