超级会员免费看
癌症研究中的神经网络应用综述
在癌症研究领域，神经网络技术正发挥着越来越重要的作用。通过对相关研究的分析，可将神经网络在癌症研究中的应用按功能分为三类：癌症诊断与预测、癌症结节检测以及肿瘤生长预测。
癌症诊断与预测
- 前列腺癌诊断与预测 ：利用基于区域的卷积神经网络（R - CNN）和格里森分级系统对前列腺癌进行预后和预测。R - CNN用于训练和分类感兴趣区域（ROI），对于有ROI的图像输出为1，只有基质成分的图像输出为0。格里森分级系统则用于预测癌症等级，帮助了解患者体内癌症的行为。
- 乳腺癌诊断与预测 ：提出了一种多模态深度神经网络，通过整合多维数据来准确预测乳腺癌。该网络以包括基因表达谱、CNA谱和临床信息的多维乳腺癌数据集为输入，先对输入数据进行预处理，减少样本数量以提高结果准确性。采用特征选择方法预处理多维数据，引入三模态DNN从三个不同维度提取信息，每个维度使用一个DNN进行训练，最后通过得分级融合聚合各独立模型的输出。
下面是前列腺癌诊断与预测的流程：
graph LR
A[输入1200 * 1200像素图像] --> B[裁剪为512 * 512像素图像块]
B --> C[图像解析器（以ResNet为骨干）]
C --> D1[区域提议网络生成ROI]
C --> D2[上皮网络头（ENH）检测上皮细胞]
D1 --> E[分级网络头（GNH）对ROI分级]
E --> 
订阅专栏 解锁全文
1574
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
