一种基于多源异构数据的个性化诊断生成框架
计算机视觉与模式识别
2021-10-27 v1 人工智能
摘要
由于病理学家在日常工作中需处理海量数据，个性化诊断一直难以实现。这导致了当前通用标准的产生，且随着新发现的报道而持续更新。值得注意的是，这些有效标准是基于多源异构数据制定的，包括全切片图像、病理报告及临床报告。在本研究中，我们提出一种结合病理图像与医学报告以为个体患者生成个性化诊断结果的框架。我们利用核级别图像特征相似度与基于内容的深度学习方法检索具有相似病理特征的个性化人群组，从相似患者人群的描述性病理报告中提取结构化预后信息，并赋予不同预后因素重要性以生成个性化病理诊断结果。我们使用来自 TCGA（癌症基因组图谱）数据库的多源异构数据。结果表明，我们的框架在肾细胞癌诊断中可与病理学家表现相媲美。该框架设计为通用型，因此可应用于其他类型癌症。所得权重可揭示已知预后因素并为更精准的临床治疗方案提供指导。
引用
@article{arxiv.2110.13677,
title = {A Personalized Diagnostic Generation Framework Based on Multi-source Heterogeneous Data},
author = {Jialun Wu and Zeyu Gao and Haichuan Zhang and Ruonan Zhang and Tieliang Gong and Chunbao Wang and Chen Li},
journal= {arXiv preprint arXiv:2110.13677},
year = {2021}
}
备注
BIBM 2021 accepted, including 9 pages, 3 figures