具有平行结构的卷积网络用于转移性前列腺癌的预测
Junjiang Liu1, Shusen Zhou1, Mujun Zang1
1School of Information and Electrical Engineering, Ludong University, Yantai, Shandong, China.
Computer methods in biomechanics and biomedical engineering
|November 7, 2025
概括
预测前列腺癌的进展至关重要. 一个新的具有平行结构的卷积网络 (CNPS) 通过分析基因突变准确预测癌症状况,帮助治疗决策.
科学领域:
- 在瘤学瘤学.
- 生物信息学是一种生物信息学.
- 计算生物学 计算生物学
背景情况:
- 准确预测前列腺癌患者未来的癌症状况对于有效的治疗计划至关重要.
- 遗传突变与前列腺癌的发展和进展密切相关,特别是在转移期间.
研究的目的:
- 开发一种先进的计算模型,用于预测前列腺癌患者未来的癌症状况.
- 通过一种新的深度学习方法,识别驱动前列腺癌转移的关键突变基因.
主要方法:
- 一个具有平行结构的卷积网络 (CNPS) 被设计用于从突变数据中增强特征提取.
- 实施了一种专门的突变数据预处理方法,以促进更简单,更有效的特征提取.
- 并行卷积网络被用来捕捉多维基因突变特征,以提高预测准确度.
主要成果:
- 与现有方法相比,拟议的CNPS模型在MPC和MSK-MET数据集上显示出更高的预测准确性.
- 该CNPS模型被证明是高度可解释的,能够识别参与前列腺癌转移的关键基因.
结论:
- CNPS模型在预测前列腺癌患者的结果和理解转移机制方面取得了重大进展.
- 这种可解释的深度学习方法有助于识别关键的遗传驱动因素,并可能指导向治疗.
