双空间分离多模式网络 (DDM-net) 用于结质瘤诊断和预后,不完全的病理学和基因组数据
Lu Qiu1, Lu Zhao1, Wangyuan Zhao1
1School of Biomedical Engineering, Shanghai Jiao Tong University, Shanghai 200240, People's Republic of China.
Physics in medicine and biology
|April 10, 2024
概括
这项研究引入了一种双空间脱多模式网络 (DDM-net) 用于质瘤诊断和预后. DDM-net有效地整合了组织学和基因组数据,即使缺少信息,提高了患者的代表性和模型的稳定性.
科学领域:
- 神经瘤学神经瘤学
- 计算生物学是一种计算生物学.
- 医学成像分析分析 医学成像分析
背景情况:
- 组织学幻灯片和基因组数据融合显示了质瘤诊断和预后的前景.
- 在利用互补信息和处理不完整的多式联运数据方面存在挑战.
- 现有的模型经常因缺少数据而扎,限制了它们的临床适用性.
研究的目的:
- 开发一个强大的多式联通网络,用于质瘤诊断和预后.
- 有效地整合组织学和基因组数据,解决数据不完整的问题.
- 通过解开多式联络特征,创建全面的患者表征.
主要方法:
- 提出了一种使用变化自编码器 (VAE) 的双空间解多式联网 (DDM-net).
- 将潜在的特征解成共同的和特定的组件,以提供全面的患者代表性.
- 实现了隐性空间归算,以处理不完整的多式联络数据.
主要成果:
- 在使用TCGA-GBMLGG数据集进行质瘤分类和生存分析方面取得了卓越的表现.
- 获得了0.952的曲线下的竞争性面积 (AUC) 和0.768.76的一致性指数 (C指数).
- 在处理不完整样本方面表现出强性,超过了最先进的方法.
结论:
- DDM-net提供了一种有效的方法,用于在质瘤研究中融合多模式数据.
- 该模型增强了临床理解,并有助于结质瘤的诊断和预后.
- 它处理不完整数据的能力使其更适应现实世界的临床场景.
