将基因组数据和成像集成到肺癌预测中,使用混合深度学习方法
Anand Sharma1, Narendra M Kandoi
1Department of Computer Science and Engineering Shri Sant Gajanan Maharaj College of Engineering, Shegaon, MH, India.
American journal of clinical oncology
|December 26, 2025
概括
这项研究开发了一种混合深度学习模型,将基因组和成像数据集成为肺癌预测,达到92.5%的准确性. 这种方法可以提高肺癌的早期检测和诊断准确度.
科学领域:
- 在瘤学瘤学.
- 医疗成像医学成像
- 生物信息学是一种生物信息学.
背景情况:
- 肺癌是全球癌症死亡的主要原因之一.
- 基因组数据的复杂性为准确的肺癌预测带来了挑战.
- 迫切需要改进诊断和预测方法.
研究的目的:
- 开发一种混合深度学习模型用于肺癌预测.
- 整合基因组和成像数据以提高准确性.
- 在预测中克服高维基因组数据的挑战.
主要方法:
- 利用LIDC-IDRI数据集,包括成像和基因组数据.
- 应用LoGF预处理到CT图像以增强功能.
- 使用Inception-ResNet-v2架构的混合深度学习.
主要成果:
- 使用纹理分析,形状描述器和DCE成像提取的成像特征.
- 实现了肺癌预测的高诊断准确度.
- 发明-ResNet-v2模型显示了92.5%的准确性.
结论:
- 混合深度学习模型显著提高了肺癌预测的准确性.
- 在Inception-ResNet-v2架构是有效的集成数据分析.
- 未来的工作可能包括电子健康记录和生活方式因素.
