精密瘤学的多式深度学习方法:全面的综述
Huan Yang1, Minglei Yang2, Jiani Chen1,3
1Yangtze Delta Region Institute (Quzhou), University of Electronic Science and Technology of China, Chengdian Road, Kecheng District, Quzhou 324000, Zhejiang, China.
Briefings in bioinformatics
|January 5, 2025
概括
多模式深度学习 (MDL) 集成了各种癌症数据,用于精确瘤学. 本综述综合了MDL应用,方法和数据集,指导未来癌症护理研究.
科学领域:
- 在瘤学瘤学.
- 人工智能的人工智能
- 生物医学数据科学 生物医学数据科学
背景情况:
- 瘤学中的大规模生物医学数据正在迅速积累.
- 深度学习 (DL) 技术已经取得显著的进步.
- 多模式DL (MDL) 正在成为精密瘤学的关键工具.
研究的目的:
- 提供MDL在精密瘤学中的应用的全面概述.
- 综合了对651篇文章的广泛文献调查的发现.
- 确定当前的局限性和未来的研究方向.
主要方法:
- 在2024年9月之前发表的651篇文章的文献调查.
- 癌症研究的公开可用的多式联络数据集概述.
- 讨论DL培训方法,数据表示和融合策略.
主要成果:
- MDL用于瘤细分,检测,诊断,预后,治疗选择和治疗反应监测.
- 讨论了关键的DL培训方法,数据表示技术和融合策略.
- 确定了支持癌症研究的公开可用的多式联络数据集.
结论:
- MDL对于推进精确瘤学的发展至关重要.
- 目前的MDL方法有局限性,需要进一步调查.
- 未来的研究应该专注于利用MDL来克服挑战并加强癌症护理.
