皮膚病變圖像至體液突變的映射

醫學影像是臨床醫師 determining 病人癌症診斷的關鍵初始工具，允許更快的介入與更可靠的預後評估。在病人診斷的後續階段，會提取遺傳資訊以協助選擇特定的病人治療選項。由於癌症治療的有效性往往依賴於早期診斷與治療，我們構建一個深層隱變量模型，根據患者對應的醫學影像來確定患者的體液突變概況。我們首先引入皮膚病變圖像的點雲表示，以允許對影像模態具有不變性。然後，我們提出 LLOST，這是一個具有雙變變自編碼器的模型，這些自編碼器通過一個分離的共享隱空間來統一來自皮膚病變點雲與不同體液突變計數的特徵。因此，我們的模型包含三個隱空間，每個隱空間都使用條件正規化流先驗來學習，以彈性地捕捉每個領域的分布。我們對來自 The Cancer Imaging Archive 之去識別醫學影像與來自 The Cancer Genomic Archive 之體液突變進行定性與定量實驗。我們展示了模型對特定突變計數的預測性能，以及其準確預測突變發生能力。特別是，影像與體液突變領域之間的共享模式反映了癌症類型。我們以對模型改進以及可能的未來研究方向的觀察結束，包括納入其他遺傳領域。