EDLM:组建深度学习模型来检测突变,用于早期检测胆管癌
Asghar Ali Shah1, Fahad Alturise2, Tamim Alkhalifah2
1Department of Computer Science, Bahria University, Islamabad 04408, Pakistan.
Genes
|May 27, 2023
概括
早期发现致命的癌症 - - 胆管癌,至关重要. 使用LSTM,GRUs和BLSTM的集体深度学习模型 (EDLM) 在早期胆管癌识别方面实现了98%的准确性.
科学领域:
- 在瘤学瘤学.
- 生物信息学是一种生物信息学.
- 人工智能的人工智能
背景情况:
- 胆瘤是全球癌症死亡率和残疾的主要原因.
- 晚期检测,通常在症状出现后,限制了治愈治疗选择,平均存活时间不到一年.
- 在特定的人口群体中观察到胆管癌死亡率的显著增加,这凸显了改善检测的必要性.
研究的目的:
- 开发一种先进的计算模型,用于早期识别胆管癌.
- 通过提前诊断和治疗干预,改善患者的治疗结果.
主要方法:
- 开发了一个集体深度学习模型 (EDLM),集成长期短期记忆 (LSTM),门式循环单元 (GRU) 和双向LSTM (BLSTM).
- 该模型在516个人类样本上进行了训练和验证,分析了45个胆管癌基因中的672个突变.
- 使用严格的测试方法评估性能,包括10倍交叉验证 (10-FCVT),独立集合测试 (IST) 和自我一致性测试 (SCT),以及准确度 (Acc),灵敏度 (Sn),特异性 (Sp) 和马修的相关系数 (MCC) 等统计指标.
主要成果:
- 拟议的集体深度学习模型在早期胆管癌检测方面表现出高效.
- 独立设置测试 (IST) 获得了最高的准确性 (Acc),达到98%,超过其他验证方法.
- 该模型的性能表明它有可能对这种侵略性癌症进行可靠的早期识别.
结论:
- 开发的集体深度学习模型 (EDLM) 为早期识别胆管癌提供了一个有前途的方法.
- 在早期检测中实现高精度可以显著帮助临床决策,并可能提高患者的生存率.
- 需要进一步的研究和临床验证,以将这种人工智能驱动的工具整合到常规癌症诊断中.
